在幻觉与超能中前行：大模型参与安全运营的应用探索

大模型在安全运营中的应用探索主要涵盖以下几个方面：

• 安全事件“翻译”与结构化输出：大模型能够将安全事件的专业术语进行翻译，并以结构化的形式输出，便于安全人员快速理解，同时方便其他程序进行处理。例如，根据日内多个安全事件的详情，大模型可以输出安全团队工作日报或战报，并快速完成数据抽取和可视化。
• 漏洞挖掘：大模型能够提高二进制代码的可读性，增强漏洞挖掘的准确性和高效性。通过代码阅读和理解能力，大模型可以实现自动化Code Review，并识别安全风险。
• 逆向工程：大模型在逆向工程领域能够提高二进制代码的可读性，并提高漏洞挖掘的准确性和高效性。
• 非结构化文本处理：大模型能够对非结构化的文本进行快速处理，并输出结构化的结果，便于安全人员快速理解，同时方便其他程序再处理。
• 安全运营痛点与难点：大模型能够发掘安全运营过程中的痛点和难点，并从中提炼出真正的运营需求。例如，大模型可以识别出内容设计效率低下、场景不够丰富等问题，并提出改进建议。
• 内容生成与知识平移：大模型能够发挥其生成和创作能力，进行内容生成。同时，大模型还可以进行知识平移，将全人类最丰富的知识和算力应用于安全运营领域。
• 操作执行：大模型可以调用外部系统的能力，实现操作执行。例如，大模型可以用于MCP工具的操作，实现自动化运维。

大模型在安全运营中的应用也面临着一些挑战，例如幻觉问题、上下文理解问题等。研报中提到了一些解决方法，例如通过Fine-tuning技术优化模型，以及通过多模态交互等方式提高模型的上下文理解能力。

最后，研报提出了一些对安全从业者的建议，例如不要轻信KOL，要自己多动手实践，以及要扬长避短，充分发挥大模型的能力。