生成式人工智能賦能網(wǎng)絡安全人才培養(yǎng)的探索研究

王磊 徐子競 朱戈 門海

摘要：在新時代新征程中，滿足社會主義現(xiàn)代化強國的建設需要，加快培育高素質(zhì)網(wǎng)安人才成為實現(xiàn)人才強國戰(zhàn)略的重中之重，引發(fā)了教育領域的新思考。該文以我國現(xiàn)階段網(wǎng)安人才需求為研究基礎，以生成式人工智能在網(wǎng)安人才培養(yǎng)中的賦能作用為研究對象，以自定制網(wǎng)安人才培育模型——CSGPT為研究實例，設計了網(wǎng)安人才能力框架，實證了生成式人工智能在網(wǎng)安人才培養(yǎng)中的應用價值，聚焦于解決網(wǎng)安人才培養(yǎng)中的多元問題并探索創(chuàng)新進路，提出：以智能為導向的教學方法；以成長為導向的評估機制；以供需為導向的個性路徑；以實戰(zhàn)為導向的攻防實訓；以產(chǎn)教為導向的智慧平臺的網(wǎng)安人才培養(yǎng)的方法與實踐，闡釋了網(wǎng)安人才培養(yǎng)中安全應用生成式人工智能的平衡策略。

關鍵詞：網(wǎng)絡安全；人才培養(yǎng)；人工智能；AIGC；CSGPT

中圖分類號：G434 文獻標識碼：A

本文系國家社會科學基金一般項目“數(shù)智環(huán)境下情報分析算法風險治理路徑研究”（項目編號：22BTQ064）、黑龍江省高等教育本科教育教學改革研究重點委托項目“新工科背景下網(wǎng)絡空間安全研究生科教融合、產(chǎn)教融合人才培養(yǎng)模式的探索與實踐”（項目編號：SJGZ20220050）研究成果。

在全球數(shù)字化的時代背景下，網(wǎng)絡安全（以下簡稱網(wǎng)安）形勢錯綜復雜，關乎國家安全、社會穩(wěn)定、和公民權益。在數(shù)字中國建設加速推進，數(shù)字經(jīng)濟成為經(jīng)濟增長新動能的時代背景下，網(wǎng)安的重要性日益凸顯。長期以來，為應對日趨嚴峻的網(wǎng)安風險與挑戰(zhàn)，我國高度重視網(wǎng)安人才培養(yǎng)，自2016年《中華人民共和國網(wǎng)絡安全法》和《關于加強網(wǎng)絡安全學科建設和人才培養(yǎng)的意見》頒布以來[1][2]，逐步明確了網(wǎng)安人才培養(yǎng)的總體方針。黨的二十大報告指出：要加快建設網(wǎng)絡強國和數(shù)字中國，人才是第一資源，應深入實施人才強國戰(zhàn)略，培養(yǎng)一支規(guī)模宏大、結構合理、素質(zhì)優(yōu)良的人才隊伍[3]。習總書記強調(diào)：需進一步加強科學教育、工程教育，加強拔尖創(chuàng)新人才自主培養(yǎng)，為解決我國關鍵核心技術攻關提供人才支撐。因此，探索和研究我國網(wǎng)安人才培養(yǎng)的優(yōu)化路徑具有重要戰(zhàn)略意義。

（一） 網(wǎng)安人才培養(yǎng)的需求及現(xiàn)實問題

因需而生，截至2022年7月，全國有500余所高校設立了網(wǎng)安相關專業(yè)，網(wǎng)安人才的培養(yǎng)規(guī)模不斷擴大，網(wǎng)安人才需求呈現(xiàn)出如下特點[4]②。

首先，需求缺口較大。國際信息系統(tǒng)安全認證聯(lián)盟（（ISC）2）的報告顯示，全球網(wǎng)安人才的需求遠超供應，全球缺少272萬名熟練的網(wǎng)安工作者?！毒W(wǎng)絡安全產(chǎn)業(yè)人才發(fā)展報告（2022年版）》顯示[5]，2021年以來，我國網(wǎng)安人才的需求呈現(xiàn)高速增長的態(tài)勢，總需求量達140萬人以上，社會需求每年近5萬人，而高校每年培養(yǎng)的網(wǎng)安人才總量不足3萬人，供需矛盾突出。

其次，需求領域多樣。網(wǎng)安人才需求涵蓋了黨政系統(tǒng)、軍事安全、國計民生、國家公共安全和產(chǎn)業(yè)、院校等多個重要領域。能源、通信、政法以及金融等行業(yè)，對網(wǎng)安專業(yè)人才的需求尤為迫切。《2022網(wǎng)絡安全人才實戰(zhàn)能力白皮書》顯示[6]，能源行業(yè)需求量位列第一，占比為21%，其次是通信、政法、金融等行業(yè)，人才需求量占比分別為16%、14%、9%。

再次，需求技能多元?；诰W(wǎng)安人才緊缺崗位調(diào)查情況分析，滲透測試、漏洞發(fā)現(xiàn)和逆向分析方向的技能人才崗位需求分別占比40%、33%和32%?；趰徫恍枨筇卣鞣治?，具備攻防實踐能力的崗位主要集中在運維工程師、安全服務工程師、安全運營工程師等。其中，運維工程師數(shù)量最多，占比達26%，其次是安全服務工程師和安全運營工程師，占比分別為23%和20%。因此，從需求側(cè)分析，緊缺崗位對技能多元性的要求更高。

因需而動，學界圍繞網(wǎng)安人才培養(yǎng)開展了大量理論與實踐研究。李建華等認為應將更多的實戰(zhàn)練習納入網(wǎng)安人才培養(yǎng)課程[7]。封化民認為應創(chuàng)新網(wǎng)安人才培養(yǎng)模式，加強校企合作，加強教育機構、政府和行業(yè)間合作，共同開發(fā)創(chuàng)新的人才培養(yǎng)策略[8]。劉小虎等認為網(wǎng)安人才培養(yǎng)需以競賽為依托，融合“理論講授、課程實踐、科研任務”的多維人才培養(yǎng)模式[9]。王佰玲等認為應構建目標導向的專業(yè)課程體系和教學模式，提倡跨學科交叉融合、科教協(xié)同育人、校企協(xié)同育人[10]。郭文忠等認為應重構理論及實踐教學體系，創(chuàng)新教學方式方法，緊扣理論結合實踐，課賽結合和研究導入雙向引領[11]。綜上表明，當前我國網(wǎng)安人才培養(yǎng)仍面臨著諸多問題，主要集中在規(guī)模、結構和質(zhì)量三個維度：一是供需矛盾突出，高端人才不足；二是人才培養(yǎng)結構失衡，供求匹配不足；三是實驗教學匱乏，產(chǎn)業(yè)對接不足。確保網(wǎng)安人才的持續(xù)、穩(wěn)定、高質(zhì)量供給，高等教育的作用尤為重要，而現(xiàn)實存在的問題與短板，則在客觀上導致了網(wǎng)安人才培養(yǎng)的困境。

因需而變，人工智能技術在教育領域的廣泛應用為解決上述問題提供了新的契機，GPT大模型的出現(xiàn)催化了生成式人工智能（Artificial Intelligence Generated Content， AIGC）的應用落地[12]，而探索網(wǎng)安人才培育的新范式，亟需定制專屬于網(wǎng)安人才培育的AIGC模型，為此，筆者提出了學校聯(lián)合企業(yè)共建基于“GPT+大數(shù)據(jù)”的網(wǎng)安人才培育模型——CSGPT（Cyber Security Generative Pre-Trained Transformer， CSGPT）的設計構想。CSGPT可以根據(jù)輸入的數(shù)據(jù)生成豐富多樣的輸出，提供個性化的學習內(nèi)容，同時，通過深度學習的方式，CSGPT能夠不斷優(yōu)化自身的能力，提供更優(yōu)質(zhì)的網(wǎng)安教學服務，此外，高校、研究機構和企業(yè)可合作共建基于CSGPT的教學平臺，探尋網(wǎng)安人才培育創(chuàng)新進路[13][14]。

（二）AIGC賦能下的網(wǎng)安人才培養(yǎng)新范式

1.AIGC的發(fā)展歷程及必要性

AIGC起源于自然語言處理（Natural Language Processing， NLP）技術，旨在使計算機理解和生成人類語言。自20世紀50年代起，NLP經(jīng)歷了從基于規(guī)則、統(tǒng)計到深度學習的發(fā)展歷程并演進到AIGC階段。在此歷程中，NLP在文本分類、命名實體識別、語義角色標注等領域均取得了突破。作為AIGC的最新進展，GPT模型自2018年發(fā)布首個基于Transformer架構的版本以來[15][16]，經(jīng)歷了多個版本迭代，現(xiàn)已進化到GPT4[17]。作為AIGC的標桿，發(fā)布以來就引發(fā)了業(yè)界廣泛關注，極大地推動了AIGC的發(fā)展。

NLP的進步和突破為AIGC的誕生與演進提供了基礎支撐，如表1所示，AIGC作為一種革命性的技術創(chuàng)新，正在改變著人機交互模式。AIGC是實現(xiàn)高級、自然且深度的人機交互的關鍵，此種交互為網(wǎng)安人才培養(yǎng)提供了新的可能性，在不斷迭代提升核心能力的同時也彰顯出在網(wǎng)安人才培養(yǎng)中的賦能潛力[18]。

2.自定制基于“GPT+大數(shù)據(jù)”的網(wǎng)安人才培育模型

CSGPT的定義為：是AIGC先進技術與網(wǎng)安教育（如課堂教學、攻防實訓等）互通的“橋梁”，通過順應網(wǎng)安人才培養(yǎng)趨勢，基于大數(shù)據(jù)和大模型訓練，以數(shù)據(jù)為根基，以需求為導向，創(chuàng)新深度融合的網(wǎng)安教學模式，皆在促進知識的生成和傳遞并以此打造匹配行業(yè)需求，個性化定制、更具活力和質(zhì)效的網(wǎng)安教學解決方案。

確保CSGPT有效性的關鍵在于訓練和驗證流程。模型使用交叉熵損失函數(shù)，選擇Adam優(yōu)化器，并使用學習率衰減策略。在模型訓練過程中，通過早停策略和正則化來避免過擬合，以提高模型在多種網(wǎng)安場景中的泛化能力。在模型驗證階段，使用包括準確率，召回率在內(nèi)的多個指標來評價模型的性能，并設有專門的測試集來評估模型能力。此外，還通過進行交叉驗證以進一步確保模型的穩(wěn)定性和有效性。

CSGPT的基礎源于優(yōu)質(zhì)的網(wǎng)安大數(shù)據(jù)集，包括諸如：網(wǎng)安教程、專業(yè)論文、攻擊日志和威脅情報等多元化多模態(tài)數(shù)據(jù)子集。數(shù)據(jù)來源一是通過網(wǎng)絡爬蟲和信息檢索技術搜集獲取，即從網(wǎng)安平臺、教育網(wǎng)站以及研究機構獲取的大規(guī)模網(wǎng)安相關文本數(shù)據(jù)集。二是基于校校、校企合作，構建多方共建共享的特色訓練數(shù)據(jù)集。CSGPT的核心在于確保數(shù)據(jù)質(zhì)量，首先應確保數(shù)據(jù)安全并脫敏，其次應核準數(shù)據(jù)并去重，最后應對數(shù)據(jù)加以標注。保證模型有效性的關鍵在于持續(xù)訓練迭代。如圖1所示，數(shù)據(jù)經(jīng)過預處理后生成一系列的標記（Token）并通過嵌入層將標記轉(zhuǎn)換為向量，隨后向量被輸入到Transformer網(wǎng)絡[19]。模型訓練是一個梯度下降的優(yōu)化過程。每輪迭代中，模型的預測輸出與實際目標加以比較，損失函數(shù)度量預測誤差并通過反向傳播算法進行梯度計算并進行模型參數(shù)的更新。在此過程中，模型通過自我學習的方式，逐漸掌握并理解網(wǎng)安領域?qū)I(yè)知識和實踐操作。訓練結束后，進一步對模型進行驗證和優(yōu)化。應用于未參與訓練的數(shù)據(jù)集（驗證集）上進行模型性能評估，并根據(jù)評估結果施以參數(shù)調(diào)優(yōu)或模型結構的微調(diào)[20]，如此往復，實現(xiàn)迭代升級。在教學使用中設置反饋機制，根據(jù)學生的學習進度和反饋來調(diào)整模型的輸出，以更好地適應網(wǎng)安人才培養(yǎng)目標。這種融合訓練流程和課程的方式，將使CSGPT在課程設計和實施中起到至關重要的作用。

通過上述精細且復雜的訓練流程，將賦予CSGPT在網(wǎng)安領域的語言理解與生成能力、上下文捕捉能力和遷移學習能力。如表2所示，這些核心能力將在網(wǎng)安人才培養(yǎng)中發(fā)揮巨大的應用價值。預期完全部署且訓練調(diào)優(yōu)后，CSGPT將能夠超越ChatGPT的功用，提供更加專業(yè)的網(wǎng)安人才培育模型，也能夠彌補ChatGPT學習使用門檻高、網(wǎng)安專業(yè)性不強等先天不足，更能夠推動網(wǎng)安人才培養(yǎng)向個性化和智能化發(fā)展。

（一）能力定位特質(zhì)：構建網(wǎng)安人才培養(yǎng)新框架

如上所述，網(wǎng)安人才培養(yǎng)面臨著諸多現(xiàn)實問題，而破題的關鍵在于確準網(wǎng)安人才的能力特質(zhì)定位并據(jù)此構建其能力框架。如下頁圖2所示，基于深度調(diào)查和研究數(shù)據(jù)，本文將網(wǎng)安人才能力特質(zhì)分為八個方面并設計構建了三層能力框架，自底向上依次為：基礎層、進階層和高級層，基于層次化的結構模型能夠更好地指導網(wǎng)安人才培養(yǎng)過程，層級之間彼此關聯(lián)、相互促進?；A層注重專業(yè)技能與知識、實踐與操作能力，涵蓋網(wǎng)安人才的專業(yè)基礎能力。進階層注重跨學科整合與創(chuàng)新能力、法律與道德意識、適應性與持續(xù)學習能力，涵蓋網(wǎng)安人才的解決復雜問題與應急處理能力。高級層注重業(yè)務理解與戰(zhàn)略規(guī)劃能力、客戶服務與解決方案提供能力、溝通與協(xié)作能力，涵蓋網(wǎng)安人才的行動力與領導力。這種基于層次化的結構模型將通過課程設計和個人學習計劃得以實施，每個層次的學習目標均將結合具體的課程和實踐活動以實現(xiàn)從基礎到高級的全面培養(yǎng)。使其在有效地指導人才培養(yǎng)過程的同時，將理論學習和實踐操作緊密結合，以提高教學效果。

（二）技術融入培育：解鎖網(wǎng)安人才培養(yǎng)新進路

CSGPT的賦能將為網(wǎng)安人才培養(yǎng)帶來發(fā)展機遇與創(chuàng)新進路。通過構建以CSGPT為內(nèi)核的全新網(wǎng)安人才培育智慧平臺將更利于推動產(chǎn)教融合、科教融合向縱深延展，培養(yǎng)質(zhì)效亦將得到顯著提升并有利于產(chǎn)出更多高水平科研成果。如圖3所示，將CSGPT與網(wǎng)安人才培養(yǎng)深度融合有助于應對培養(yǎng)過程中所面臨的挑戰(zhàn)。應用CSGPT打造面向全培養(yǎng)周期的個性化、智能化教學工具和助手，能夠服務于優(yōu)化師資教材、提升實踐教學質(zhì)量、緩解人才供需矛盾等多個教學場景[21]，CSGPT亦可應用于教學模式改革和課程體系建設中，有助于構建更具時效性和創(chuàng)造性的育人生態(tài)環(huán)境，打造符合上述框架的卓越網(wǎng)安人才。

（三）守正融合創(chuàng)新：塑造網(wǎng)安人才培養(yǎng)新格局

在AIGC必將對教育產(chǎn)生深遠影響的時代背景下[22]，網(wǎng)安人才培養(yǎng)與AIGC深度融合的發(fā)展機遇已經(jīng)到來，高等教育應把握機遇，在確保培養(yǎng)優(yōu)勢，傳承培養(yǎng)理念的基礎上，充分挖掘AIGC的賦能潛力，通過打造領域內(nèi)專用模型CSGPT等方式，塑造網(wǎng)安人才培育新格局，培養(yǎng)更多兼具創(chuàng)新思維和實踐能力的網(wǎng)安人才，加速融合創(chuàng)新以實現(xiàn)跨越式發(fā)展。在網(wǎng)安人才培養(yǎng)中弘揚守正創(chuàng)新的理念，即是對我國網(wǎng)安人才培養(yǎng)體系中扎實的理論基礎和嚴謹?shù)慕虒W方法等優(yōu)勢的歷史傳承，也是應用新技術應對實踐與理論的脫節(jié)、個性化教育的匱乏等問題的現(xiàn)實之選，更是優(yōu)化教育資源的配置、營造個性化和智能化教學環(huán)境的創(chuàng)新舉措[23]。

（一）輔助教學，面向?qū)嵺`，探索智慧教學方式

在CSGPT訓練的初始實驗環(huán)境中，測設生成實驗數(shù)據(jù)，如輸入網(wǎng)絡攻防技術的查詢項：“請告訴我當前最新的網(wǎng)絡攻防技術是什么？”，CSGPT生成內(nèi)容：“包括零信任網(wǎng)絡、AI驅(qū)動的安全策略和量子加密等。”，結果基本符合設計構想，實證了CSGPT在課程設計、課堂教學、課后輔導及研究指導四個關鍵教學環(huán)節(jié)中的賦能潛力。CSGPT在網(wǎng)安人才培養(yǎng)中將能兼具導學、輔學、和督學等功用，使學生能夠更加深入地理解和掌握網(wǎng)安知識內(nèi)容，并以此探索智慧教學范式[24][25]。

在課程設計環(huán)節(jié)，源于GPT模型強大的網(wǎng)絡架構，CSGPT的分析能力將能智能化篩選和解析網(wǎng)安領域的最新趨勢與科研成果，包括網(wǎng)絡攻防技術、加密算法、入侵檢測與防御，以及安全策略等。這些特定的知識領域是傳統(tǒng)網(wǎng)安教育中常常被忽視的關鍵內(nèi)容，通過CSGPT的支持，教師將能夠便捷地將上述專業(yè)知識融入教學大綱中，進而實現(xiàn)教學內(nèi)容與網(wǎng)安最新科研成果的實時對接，并構建匹配產(chǎn)業(yè)需求的課程體系。此外，源于多元化多模態(tài)的大數(shù)據(jù)訓練集，完全部署完成后，CSGPT還將具有強大的泛化能力，將能夠整合各類代碼示例、實戰(zhàn)演練過程以及可視化圖表等教學資源，進而為教師提供優(yōu)秀實踐案例等多維度教學輔助資源并以實踐項目和課程案例的形式為教師提供參考。

在課堂教學環(huán)節(jié)，特訓CSGPT的教學功能，將能為教師自動適配不同類型學生的習題庫，生成自動適配課堂教學內(nèi)容的結構圖和邏輯框圖等，從而輕松打造網(wǎng)安人才課堂教學的智能“工具包”，引導學生圍繞網(wǎng)安的特定知識領域開展深入的討論與辨析，培養(yǎng)學生的網(wǎng)安思維和分析解決問題的能力，拓展專業(yè)視野。

在課后輔導環(huán)節(jié)，基于網(wǎng)安領域的特殊性和復雜性以及學生應具備的專業(yè)技能和知識特訓CSGPT，將使CSGPT具備個性化答疑功能，能輔導學生了解最前沿網(wǎng)安知識并解決精尖難題，有利于學生理解知識難點并融會貫通。在CSGPT伴學和導學的支持下，學生的學習效率和批判性思維將得到大幅提升。

在研究指導環(huán)節(jié)，CSGPT將能基于研究內(nèi)容為學生提供專業(yè)化的指導和個性化支持，使學生能即時掌握行業(yè)科技前沿，緊跟網(wǎng)安科研熱點，確保研究內(nèi)容與行業(yè)發(fā)展同步。在研究資料的收集和整理過程中，也可用其進行智能化的文獻檢索和分析，幫助學生快速定位與研究課題相關的重要文獻資源，并進行文獻的智能分析，提高研究的深度和廣度。此外，CSGPT還將完成對學生研究成果的智能評估，幫助學生修改和潤色論文，提升論文撰寫效率。

（二）評估反饋，全面提升，助力成長型評估機制

網(wǎng)安人才培養(yǎng)應注重學生實踐與創(chuàng)新能力的持續(xù)提升，在培養(yǎng)全過程中引入成長型評估機制，該機制基于真實研究和實踐，著眼于學生的持續(xù)進步和個人發(fā)展，強調(diào)過程而非結果，重視應用技能而非絕對成績[26]。在CSGPT訓練的初試實驗環(huán)境中，測設生成實驗數(shù)據(jù)，如輸入一個關于學生的作業(yè)項，該作業(yè)是模擬攻擊的任務。CSGPT能夠生成詳細的反饋報告，指出學生策略的優(yōu)缺點，如有效的利用了當前最新的攻擊技術，在某些階段未能充分考慮到防御方可能的反應等。該結果基本符合設計構想，預示將CSGPT引入成長型評估機制，能在多個維度提升網(wǎng)安人才的培養(yǎng)質(zhì)量，激發(fā)學生學習興趣，驅(qū)動教師角色從傳統(tǒng)的知識傳授者轉(zhuǎn)變?yōu)閷W習過程的引導者和優(yōu)化者，為學生提供更加個性化、精細化的學習支持。并由此聚焦于三個關鍵環(huán)節(jié)：教師角色的轉(zhuǎn)變、學生學術素養(yǎng)的提升與實踐能力的培養(yǎng)。

教師角色的轉(zhuǎn)變是實現(xiàn)成長型評估機制的關鍵步驟[27]。在網(wǎng)安教學中，學生的實踐環(huán)節(jié)往往無法精準評估，特訓CSGPT的評估能力后，教師將可利用其自動批改作業(yè)和實驗報告，實時收集并分析學生的學習數(shù)據(jù)，包括：知識掌握、技能運用和實踐操作等方面數(shù)據(jù)。由此產(chǎn)生的分析結論，又能夠輔助教師更精準的評估學生在實踐技能、理論知識以及創(chuàng)新思維等方面的表現(xiàn)，使得教師得以專注于優(yōu)化教學內(nèi)容并及時發(fā)現(xiàn)和解決教學問題，并達成因材施教和個性化培養(yǎng)的目標，滿足不同學生的需求，確保教育資源的合理分配和教育公平。

學生學術素養(yǎng)的提升是成長型評估機制的核心目標。網(wǎng)安領域的學習需要對復雜的網(wǎng)絡環(huán)境、多變的攻擊策略以及精細的防御機制有深入的理解和應用。特訓CSGPT的反饋能力后，學生可以將研究領域的特定問題提交給CSGPT并得到即時反饋，獲取自動化、智能化、個性化的解答和輔導，從而能夠更好地理解和處理問題，提升自身學習和解決問題的能力，找準不足，優(yōu)化學習策略。

實踐能力的培養(yǎng)是成長型評估機制的重要部分。學生將能在CSGPT構建的實訓環(huán)境中開展模擬攻擊和防御等網(wǎng)安學習實踐活動，并獲得個性化、即時的實踐指導與反饋。在此過程中，CSGPT還將輔助學生不斷改進攻防技能和策略，提高解決復雜問題和應對現(xiàn)實威脅的能力。

（三）個性培育，精準施教，打造特色網(wǎng)安人才

相較于傳統(tǒng)“一刀切”式的教學范式，特訓CSGPT的設計能力后，教師將可以很容易的制定面向個性化需求的差異化培育策略，在CSGPT訓練的初試實驗環(huán)境中，測設生成實驗數(shù)據(jù)，如測試輸入某個學生的學習歷史數(shù)據(jù)和興趣標簽，CSGPT生成了個性化的學習路徑，為該學生推薦了適合的網(wǎng)絡防御課程，以及與此相關的實戰(zhàn)項目，深入挖掘其在防御策略設計方面的潛力。CSGPT將具有針對每一個學生的特質(zhì)與潛力，因材施教的能力。CSGPT將能在滿足個體需求的同時，分類培養(yǎng)，突出特長，并基于全過程大數(shù)據(jù)集的分析預測，為學生提供精準的診斷性評估和個性化學習路徑規(guī)劃等輔學、督學、導學服務。

診斷性評估是構建個性化學習路徑的基礎。CSGPT將能夠深入評估每位學生的先驗知識、技能水平以及興趣愛好，自動化生成詳實的評估報告。CSGPT還將能夠自動生成更加詳細的報告，在反映出學生的基礎知識和技能水平的同時，更針對于學生的興趣和專長，并以此為基礎智能化地推薦與學生興趣、潛能和特長相匹配的網(wǎng)安課程和項目，在更深層次激發(fā)學生的專長，塑造獨特的專業(yè)底色。

以診斷性評估數(shù)據(jù)為基礎，CSGPT將能為學生規(guī)劃個性化學習路徑，包括：個性化的課程體系，動態(tài)調(diào)整教學策略等學習環(huán)節(jié)設計。CSGPT規(guī)劃的學習路徑還將具有“即時進化”的特征，即能夠根據(jù)學生在課程和項目中的實時表現(xiàn)，有針對性的對學習路徑做出即時調(diào)整，以確保教學的精準性和有效性。數(shù)據(jù)驅(qū)動的調(diào)整策略使學習過程更貼近學生的個性化需求，伴隨學生的能力提升，自動化提供“適配”的學習資源和“里程碑”挑戰(zhàn)，激發(fā)學習動力、創(chuàng)造力和核心競爭力，促進學生的全面發(fā)展，培育獨特專長。

（四）學練并舉，重在實踐，提升實戰(zhàn)攻防能力

對于網(wǎng)安專業(yè)培養(yǎng)目標而言，學生不僅需要具備扎實的理論基礎，更需要具備豐富的實踐經(jīng)驗，并能夠掌握網(wǎng)絡攻防策略、系統(tǒng)安全設計、風險評估等知識和技能。借助 CSGPT賦能，有望彌補既有實踐教學的短板，達成理論學習與實戰(zhàn)演練的平衡互補，從而不斷提升學生的實戰(zhàn)攻防能力，實現(xiàn)網(wǎng)安人才培養(yǎng)的首要目標。

實戰(zhàn)攻防能力的提升，關鍵在實踐。在CSGPT訓練的初試實驗環(huán)境中，測設生成實驗數(shù)據(jù)，如輸入一種特定的網(wǎng)絡攻擊模式，CSGPT生成了相應的防御策略和可能的后續(xù)攻擊路徑，實證了CSGPT在幫助學生理解和應對復雜網(wǎng)安問題上的有效性。此外，特訓CSGPT模擬真實網(wǎng)絡環(huán)境的能力，使通過對話的方式輔助學生進行攻防實戰(zhàn)演練，從而加深對網(wǎng)安基礎理論的理解，持續(xù)提升包括：漏洞修復、代碼審查、網(wǎng)絡情報收集、網(wǎng)絡流量分析等實戰(zhàn)能力。CSGPT還將能在實踐演練中勝任實戰(zhàn)“助手”的角色，即時提供智能提示和建議，予教于練，予教于樂，使學生在“沉浸式”類游戲互動體驗的攻防演練中得到能力提升。

（五）虛實結合，產(chǎn)教融合，構建智慧網(wǎng)安人才培養(yǎng)平臺

對于網(wǎng)安專業(yè)培養(yǎng)目標而言，借助CSGPT賦能構建智慧網(wǎng)安人才培育平臺。該平臺將基于“高校+頭部企業(yè)+產(chǎn)業(yè)群”的理念，緊密連接產(chǎn)業(yè)鏈的上下游，將產(chǎn)業(yè)需求融入網(wǎng)安人才培養(yǎng)方案。同時，引入產(chǎn)業(yè)龍頭企業(yè)共建共享，實現(xiàn)多元合作和產(chǎn)教映射，本地教學數(shù)據(jù)與合作企業(yè)的云端數(shù)據(jù)整合成網(wǎng)安人才培育大數(shù)據(jù)子集。并具備動態(tài)調(diào)整機制，根據(jù)實際需求，動態(tài)更新數(shù)據(jù)。借助CSGPT的賦能，平臺能實現(xiàn)如：開展深度學習訓練，打造“虛擬網(wǎng)安教師”；模擬復雜的網(wǎng)絡攻防場景等功能，使學生在高度仿真的環(huán)境中提升實踐技能，而虛擬環(huán)境與虛擬教師相互結合構造出基于MR技術的網(wǎng)安實戰(zhàn)攻防“虛擬實景”。

應用CSGPT賦能網(wǎng)安人才培養(yǎng)，在產(chǎn)生強勁驅(qū)動力的同時，也面臨著過度依賴、學術不端、隱私保護和安全性等眾多風險隱患，最大程度的利用賦能效應和防范風險或降低風險損失實為網(wǎng)安人才培養(yǎng)中安全應用生成式人工智能的平衡策略[28-33]。

（一）挑戰(zhàn)解析

1. 訓練數(shù)據(jù)缺陷

CSGPT作為大數(shù)據(jù)預訓練語言模型，在為網(wǎng)安人才培養(yǎng)賦能的同時，也不可避免的受困于數(shù)據(jù)質(zhì)量的問題。固有的大數(shù)據(jù)訓練特性可能導致”臟數(shù)據(jù)”的出現(xiàn)，進一步可能產(chǎn)生誤導性信息，使學生無形中受認知偏見的影響，進而形成認知固化，造成惡性循環(huán)。這將對CSGPT的可信度構成挑戰(zhàn)，從而影響到網(wǎng)安人才的培養(yǎng)。

2. 法律倫理沖突

網(wǎng)安人才培養(yǎng)的核心目標在于塑造學生的防御性思維和深化法律倫理認知。然而，這一過程中涉及的數(shù)據(jù)隱私、偏見性以及數(shù)據(jù)確權問題成為充分發(fā)揮數(shù)據(jù)優(yōu)勢的掣肘難題。此外，CSGPT的訓練數(shù)據(jù)來源極易引發(fā)知識產(chǎn)權問題，這一問題在教學場景中尤為復雜，即是：當學生使用CSGPT生成的內(nèi)容時，如何明確界定個人對創(chuàng)新的貢獻，以及如何在尊重知識產(chǎn)權的前提下有效利用這些內(nèi)容。

3. 過度依賴沉迷

網(wǎng)安人才培養(yǎng)的另一核心目標在于培育學生的獨立思考和解決問題能力。CSGPT的輔助學習功用可以提升學生的學習效率，讓學生在互動中受益。研究也證明，與模仿人類情感行為的虛擬導師互動的學生學習效果更好[34]。但同時也會使其產(chǎn)生一定的依賴心理，甚至可能陷入沉迷。如此將抑制學生的創(chuàng)新思維，產(chǎn)生負向效能。此外，CSGPT也對教師的能力提出了更高的要求，教師需具有較強的知識對錯辨別能力，特別是在備課環(huán)節(jié)能做到取其精華，去其糟粕。

4. 學術不端誘惑

網(wǎng)安人才培養(yǎng)的關鍵在于培育學生的理論研究與實踐操作能力。CSGPT一方面能夠輔助學生開展理論研究與論文創(chuàng)作，另一方面也可能誘使其投機取巧將機器生成的內(nèi)容直接拿為己用。達沃斯世界經(jīng)濟論壇人工智能負責人Kay Firth-Butterfield警示：學生提交AI生成的內(nèi)容將影響自我能力的提升，因為“這種行為好比是一個工作機器”。此種將創(chuàng)作主權移交給AI的行為對評估學生的真實能力帶來了挑戰(zhàn)，可能對教育評估機制產(chǎn)生破壞性影響，進而威脅教育公平。

（二）風險應對

1. 確準數(shù)據(jù)質(zhì)量

針對訓練數(shù)據(jù)問題，數(shù)據(jù)清洗和數(shù)據(jù)質(zhì)量控制是其關鍵?？赏ㄟ^引入更多的數(shù)據(jù)源，使用數(shù)據(jù)融合和數(shù)據(jù)一致性技術來提高數(shù)據(jù)的多樣性和一致性，以減少數(shù)據(jù)缺陷。同時，在教學過程中，也需引導學生進行批判性思考，對CSGPT的輸出結論持審慎態(tài)度。定期審查并修正模型的輸出結果，以確保可靠性。此外，教師還可設計驗證與糾偏機制，通過學生的應用反饋，不斷糾偏錯誤信息，幫助CSGPT完成進化。

2. 強化合法依規(guī)

在網(wǎng)安人才培養(yǎng)的教學過程中，應加快提升教師的人工智能倫理素養(yǎng)，強化“倫理先行”意識，加強自律自治，將批判性思維與倫理元素納入教學課程，使學生牢固樹立底線思維，堅守道德與法律的底線，樹立愛黨愛國的理念，立志成為守衛(wèi)國家網(wǎng)安的英才。自2016年《網(wǎng)絡安全法》頒布以來，我國政府高度重視網(wǎng)安相關法律法規(guī)建設，連續(xù)發(fā)布了一系列相關文件規(guī)范，歷經(jīng)立法與戰(zhàn)略研究、網(wǎng)安人才培養(yǎng)與實踐、網(wǎng)安細化領域與數(shù)據(jù)保護三個階段，為應對法律倫理沖突奠定了堅實的制度基礎[35-37]。因此，教師可基于《個人信息保護法》《數(shù)據(jù)安全法》等法律法規(guī)，在技術層面施以訪問控制、數(shù)據(jù)脫敏以及密文存儲等數(shù)據(jù)保護措施，以防患于未然，保護數(shù)據(jù)隱私。此外，教師必須高度重視CSGPT的應用過程中潛在的所有權風險，謹慎評估CSGPT所生成的內(nèi)容是否可直接使用，尊重并明確創(chuàng)作所有權。

3. 培養(yǎng)獨立思考

為防止學生過度依賴CSGPT，教師應創(chuàng)設“闖關升級”式學習任務，組織更具挑戰(zhàn)性的團隊分組對抗，并通過啟發(fā)與探究式教學方式培養(yǎng)學生的批判性思維，著重培養(yǎng)獨立思考和解決問題能力。同時，教師必須提升自身的知識辨析能力，提升主動篩除CSGPT生成的錯誤和不良信息的能力，并制定合理的政策與規(guī)范，權衡CSGPT的應用，趨利避害，揚長避短，以協(xié)調(diào)學生、教師以及技術工具三者之間的關系，營造積極、健康的教學環(huán)境。

4. 維護學術誠信

網(wǎng)安人才的學術誠信和科研成果的原創(chuàng)性至關重要。在應用CSGPT開展網(wǎng)安教學的過程中，一方面教師應強化誠信教育，改進教學方式，設定明確的期望和指導方針，跟蹤學生進度，定期審查學生的作業(yè)進度，引導學生追求原創(chuàng)價值[38]。另一方面，應引入反抄襲軟件，通過技術手段杜絕剽竊行為，同時，還應當制定嚴格的學術誠信規(guī)范，確保學生能基于合規(guī)、誠信的原則使用CSGPT。

教育作為推動人類社會可持續(xù)發(fā)展的關鍵因素和基本力量，回應數(shù)字時代對網(wǎng)安人才的內(nèi)在需求已成為教育發(fā)展的重要任務[39][40]。技術賦能教育，教育塑造未來。網(wǎng)安人才培養(yǎng)是關乎國家安全和未來的戰(zhàn)略性問題。教育系統(tǒng)應深入剖析當前我國網(wǎng)安領域現(xiàn)實問題及網(wǎng)安人才需求特點，加快推進人工智能技術與網(wǎng)安人才培養(yǎng)的深度融合，挖掘生成式人工智能賦能網(wǎng)安人才培養(yǎng)的最大效能，探尋數(shù)智時代背景下個性化、智能化的網(wǎng)安人才培育新路。面向未來，應在規(guī)避生成式人工智能引發(fā)的不確定性風險的前提下，開展更多實證研究，持續(xù)賦能我國網(wǎng)安人才培養(yǎng)。

參考文獻：

[1] 黃道麗，梁思雨等.《中華人民共和國網(wǎng)絡安全法》視域下的網(wǎng)絡安全人才培養(yǎng)[J].信息安全研究，2019，5（11）：1044-1048.

[2] 中央網(wǎng)絡安全和信息化領導小組辦公室等六部門.關于加強網(wǎng)絡安全學科建設和人才培養(yǎng)的意見[EB/OL].http：//www.moe.gov.cn/ srcsite/A08/s7056/201607/t20160707_271098.html，2016-06-12.

[3] 習近平.高舉中國特色社會主義偉大旗幟，為全面建設社會主義現(xiàn)代化國家而團結奮斗——在中國共產(chǎn)黨第二十次全國代表大會上的報告[M].北京：人民出版社，2022.

[4] 向繼志.加強產(chǎn)學合作，提升網(wǎng)絡安全人才培養(yǎng)質(zhì)量——專訪教育部高等學校網(wǎng)絡空間安全專業(yè)教指委秘書長封化民[J].中國信息安全，2023，（3）：27-30.

[5] 工業(yè)和信息化部人才交流中心.網(wǎng)絡安全產(chǎn)業(yè)人才發(fā)展報告（2022年版）[EB/OL].https：//www.fxbaogao.com/view id=3406195，2022-09-19.

[6] 北京航空航天大學，中國科學技術大學等.2022網(wǎng)絡安全人才實戰(zhàn)能力白皮書[EB/OL].http：//www.cbdio.com/BigData/2022-09/13/ content_6170512.htm，2022-09-13.

[7] 李建華，邱衛(wèi)東等.網(wǎng)絡空間安全一級學科內(nèi)涵建設和人才培養(yǎng)思考[J].信息安全研究，2015，1（2）：149-154.

[8] 封化民.創(chuàng)新人才培養(yǎng)模式 建設高素質(zhì)的網(wǎng)絡安全隊伍[J].北京電子科技學院學報，2016，24（3）：1-7.

[9] 劉小虎，張玉臣等.依托學科競賽的網(wǎng)絡空間安全專業(yè)人才創(chuàng)新能力培養(yǎng)[J].計算機教育，2019，（6）：35-38.

[10] 王佰玲，董開坤等.網(wǎng)絡空間安全新工科專業(yè)建設的探索與實踐[J].高等工程教育研究，2020，（3）：37-42.

[11] 郭文忠，張友坤等.網(wǎng)絡強國戰(zhàn)略背景下的“五位一體”信息安全人才培養(yǎng)模式探索[J].中國大學教學，2020，（10）：21-24.

[12] 中國信息安全.GPT+網(wǎng)絡安全，深信服自主研發(fā)安全大模型亮相[EB/OL].https：//mp.weixin.qq.com/s/7NgFPeRFPQQbxRQ71mEK Uw，2023-05-31.

[13] 徐嬴穎，施曉秋.傳統(tǒng)專業(yè)課程新工科改造的路徑、方法與實踐[J].高等工程教育研究，2023，200（3）：46-52.

[14] 董贊強.網(wǎng)絡安全專業(yè)人才培養(yǎng)問題探析[J].管理工程師，2023，28 （2）：36-41.

[15] RADFORD A，NARASIMHAN K，et al.Improving language understanding by generative pre-training [EB/OL].https：//www.cs.ubc. ca/～amuham01/LING530/papers/radford2018improving.pdf，2018-11-05.

[16] OpenAI.GPT-4 Technical Report [EB/OL].https：//arxiv.org/ abs/2303.08774，2023-03-15.

[17] 劉禹良，李鴻亮等.淺析ChatGPT：歷史沿革、應用現(xiàn)狀及前景展望[J].中國圖象圖形學報，2023，28（4）：893-902.

[18] 李白楊，白云等.人工智能生成內(nèi)容（AIGC）的技術特征與形態(tài)演進[J].圖書情報知識，2023，40（1）：66-74.

[19] Liu P，Yuan W，et al.Pre-train，prompt，and predict：A systematic survey of prompting methods in natural language processing [J].ACM Computing Surveys，2023，55（9）：1-35.

[20] Wu T，He S，et al.A Brief Overview of ChatGPT：The History，Status Quo and Potential Future Development [J].IEEE/CAA Journal of Automatica Sinica，2023，10（5）：1122-1136.

[21] 楊欣.基于生成式人工智能的教育轉(zhuǎn)型圖景——ChatGPT究竟對教育意味著什么[J].中國電化教育，2023，（5）：1-8+14.

[22] 周玲，王烽.生成式人工智能的教育啟示.讓每個人成為他自己[J].中國電化教育，2023，（5）：9-14.

[23] 盧宇，余京蕾等.生成式人工智能的教育應用與展望——以ChatGPT系統(tǒng)為例[J].中國遠程教育，2023，43（4）：24-31+51.

[24] Annu N.Chatbots in Education：The impact of Artificial Intelligence based ChatGPT on Teachers and Students [J]. International Journal of Advanced Natural Sciences and Engineering Researches，2023，7（4）：366-370.

[25] 田俊峰，何欣楓等.兩大課堂互動互融的信息安全新工科人才培養(yǎng)模式[J].高等工程教育研究，2022，193（2）：23-29.

[26] 李建華.多元化多層次網(wǎng)絡空間安全人才培養(yǎng)創(chuàng)新與實踐[J].信息安全研究，2018，4（12）：1073-1082.

[27] 肖靜.在線課堂互動中教師身份認同模糊化及其重構[J].電化教育研究，2021，42（5）：55-60.

[28] 王佑鎂，王旦等.“阿拉丁神燈”還是“潘多拉魔盒”：ChatGPT教育應用的潛能與風險[J].現(xiàn)代遠程教育研究，2023，35（2）：48-56.

[29] 焦建利.ChatGPT：學校教育的朋友還是敵人？[J].現(xiàn)代教育技術，2023，33（4）：5-15.

[30] 王佑鎂，王旦等.ChatGPT教育應用的倫理風險與規(guī)避進路[J].開放教育研究，2023，29（2）：26-35.

[31] 王樹義，張慶薇.ChatGPT給科研工作者帶來的機遇與挑戰(zhàn)[J].圖書館論壇，2023，43（3）：109-118.

[32] 周洪宇，李宇陽.ChatGPT對教育生態(tài)的沖擊及應對策略[J].新疆師范大學學報（哲學社會科學版），2023，44（4）：102-112.

[33] 吳砥，李環(huán)等.人工智能通用大模型教育應用影響探析[J].開放教育研究，2023，29（2）：19-25+45.

[34] D’Mello，S.，Craig，S.， & Witherspoon，A.et al..Affective and Learning-Related Dynamics During Interactions with an Intelligent Tutoring System [J].International Journal of Human-Computer Studies，2014，72（6）：415-435.

[35] 中華人民共和國科技部.《新一代人工智能倫理規(guī)范》發(fā)布[EB/OL].https：// www.most.gov.cn/kjbgz/202109/t20210926_177063.html，2021-09-26.

[36] 新華社.中共中央 國務院印發(fā)《深化新時代教育評價改革總體方案》[EB/OL].https：//www.gov.cn/gongbao/content/2020/content_5554488. htm，2020-10-13.

[37] 國家互聯(lián)網(wǎng)信息辦公室.生成式人工智能服務管理辦法[EB/OL]. http：//www.cac.gov.cn/2023-04/11/c_1682854275475410.htm，2023-04-11.

[38] 李海峰，王煒.生成式人工智能時代的學生作業(yè)設計與評價[J].開放教育研究，2023，29（3）：31-39.

[39] 吳巖.深入實施教育數(shù)字化戰(zhàn)略行動 以教育數(shù)字化支撐引領中國教育現(xiàn)代化[J].中國高等教育，2023，（2）：5-10.

[40] 王磊，苗春雨.數(shù)字經(jīng)濟背景下高校數(shù)字人才培養(yǎng)的路徑探究[J].中國大學教學，2023，（7）：25-33.

作者簡介：

王磊：研究員，博士，碩士生導師，研究方向為教育信息化、網(wǎng)絡空間治理、信息安全。

徐子競：在讀碩士，研究方向為教育信息化、人工智能。

朱戈：副教授，博士，碩士生導師，研究方向為教育信息化、人工智能。

門海：講師，博士，研究方向為教育信息化、本科教學評估。

Exploration and Research of Empowering Cybersecurity Talent Training Through Artificial Intelligence Generated Content

Wang Lei1， Xu Zijing1， Zhu Ge1， Men Hai2

（1. School of Data Science and Technology， Heilongjiang University， Harbin 150080， Heilongjiang； 2. Heilongjiang Institute of Technology， Harbin 150080， Heilongjiang）

Abstract： In the new era， to build a strong socialist modernization country， cultivating outstanding talents in the field of cybersecurity has become very important. Based on the demand for talents in cybersecurity in China， with artificial intelligence generated content as the object and the cultivation model （CSGPT） as the example， we design a talent training framework in cybersecurity， aiming to solve the diverse problems in the cultivation of cybersecurity talents and explore innovative paths. The proposed framework includes： the teaching methods oriented intelligent， the evaluation mechanism-oriented improvement； the training path-oriented demand； the strategy-oriented practice； the industry-oriented platform. In addition， we claim the application value of generative artificial intelligence in the cultivation of cybersecurity talents， and propose a balance strategy between the security application of artificial intelligence generated content and talent cultivation.

Keywords： cybersecurity； talent training； artificial intelligence； AIGC； CSGPT

收稿日期：2023年6月30日

責任編輯：趙云建