用于人工智能辅助的网络安全威胁建模工具的方法、系统和计算机程序产品与流程

本公开总体上涉及网络安全威胁建模，并且在非限制性实施例或方面中，涉及用于人工智能辅助的网络安全威胁建模的方法、系统和计算机程序产品。

背景技术：

1、威胁建模可以是指可以识别和列举潜在网络安全威胁（如结构漏洞或缺乏适当的保护措施），并对对策进行优先级排序的过程。在一些情况下，威胁建模的目的是基于计算机系统的性质、可能的攻击者画像、最可能的攻击向量和/或攻击者最期望获取的资产提供对需要包括哪些安全控制和/或防御的系统分析。威胁建模是在安全审查期间执行的活动之一，支付卡行业（pci）标准推荐将威胁建模作为在计算机系统设计早期识别威胁的一种方式。

2、然而，目前威胁建模工具的许多方面为手动流程，并且许多现有威胁建模工具高度通用且不提供有关最新网络安全威胁的信息。不同的威胁建模工具可能基于相似的原理工作，即在不考虑应用程序上下文的情况下，默认列举并遍历威胁列表。此外，一些威胁建模工具要求用户花费大量时间生成产生和使用威胁模型所需的图（例如，在归约分析阶段期间）。

技术实现思路

1、因此，提供了用于人工智能辅助的网络安全威胁建模的改进方法、系统和计算机程序产品。

2、根据非限制性实施例或方面，提供了一种用于人工智能辅助的网络安全威胁建模的计算机实施的方法。在一些非限制性实施例或方面中，所述计算机实施的方法可以包括接收与特定软件环境的安全架构文档相关联的数据。在一些非限制性实施例或方面中，所述计算机实施的方法可以包括使用大语言模型（llm）将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据。在一些非限制性实施例或方面中，所述威胁建模数据格式是根据主体与客体之间的关系来构建的。在一些非限制性实施例或方面中，所述主体和所述客体是包括在与所述安全架构文档相关联的所述数据中的数据元素。在一些非限制性实施例或方面中，所述计算机实施的方法可以包括使用所述llm基于所述威胁建模数据生成多个向量嵌入。在一些非限制性实施例或方面中，所述计算机实施的方法可以包括基于所述多个向量嵌入识别一个或多个潜在网络安全威胁。在一些非限制性实施例或方面中，所述计算机实施的方法可以包括将所述一个或多个潜在网络安全威胁映射到一个或多个对应控制，所述一个或多个对应控制向所述一个或多个潜在网络安全威胁提供潜在缓解动作。

3、在一些非限制性实施例或方面中，所述计算机实施的方法可以进一步包括基于将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式，使用机器学习模型基于所述威胁建模数据生成软件架构模型的视觉表示。在一些非限制性实施例或方面中，所述计算机实施的方法可以进一步包括将所述软件架构模型的所述视觉表示提供给用户装置。在一些非限制性实施例或方面中，所述计算机实施的方法可以进一步包括从所述用户装置接收批准指示。在一些非限制性实施例或方面中，生成所述多个向量嵌入可以包括基于从所述用户装置接收到所述批准指示来生成所述多个向量嵌入。

4、在一些非限制性实施例或方面中，所述威胁建模数据格式可以是json格式，并且所述威胁建模数据格式可以是根据以下各项来构建的：安全架构文档中包括的多个主体和客体中的主体与客体之间的关系；信任边界，所述信任边界包括区分安全架构文档中的不同定义的信任等级的边界；以及所述特定软件环境的软件应用程序。

5、在一些非限制性实施例或方面中，所述计算机实施的方法可以进一步包括生成列表，所述列表包括所述一个或多个潜在网络安全威胁和所述一个或多个对应控制，所述一个或多个对应控制向所述一个或多个潜在网络安全威胁提供潜在缓解动作。在一些非限制性实施例或方面中，所述计算机实施的方法可以进一步包括使用所述llm将所述列表从第一数据格式转换为第二数据格式以提供自然语言威胁建模数据。在一些非限制性实施例或方面中，所述第二数据格式可以包括自然语言格式。在一些非限制性实施例或方面中，所述计算机实施的方法可以进一步包括基于所述自然语言威胁建模数据生成综合威胁建模报告。

6、在一些非限制性实施例或方面中，将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据可以包括经由提供给所述llm的函数处理调用执行归约分析。

7、在一些非限制性实施例或方面中，所述威胁建模数据可以包括与多个关系类别中的主体与客体之间的每个关系类别相关联的数据。在一些非限制性实施例或方面中，将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据可以包括基于所述多个关系类别中的主体与客体之间的每个关系类别对与所述安全架构文档相关联的所述数据进行分块以提供威胁建模数据的多个块。在一些非限制性实施例或方面中，所述威胁建模数据的多个块中的每个块可以是基于主体与客体之间的指定的关系类别的。在一些非限制性实施例或方面中，生成所述多个向量嵌入可以包括使用所述llm将所述威胁建模数据的多个块中的每个块转换为向量字符串。

8、在一些非限制性实施例或方面中，识别所述一个或多个潜在网络安全威胁可以包括将所述多个向量嵌入中的每个向量嵌入和与所述一个或多个潜在网络安全威胁相关联的已知向量嵌入进行比较，并且根据余弦相似度的量度识别在所述多个向量嵌入中的向量嵌入的阈值距离内的所述一个或多个潜在网络安全威胁。

9、根据非限制性实施例或方面，提供了一种用于人工智能辅助的网络安全威胁建模的系统。在一些非限制性实施例或方面中，所述系统可以包括至少一个处理器，所述至少一个处理器被配置成接收与特定软件环境的安全架构文档相关联的数据。在一些非限制性实施例或方面中，所述至少一个处理器可以被配置成使用大语言模型（llm）将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据。在一些非限制性实施例或方面中，所述威胁建模数据格式可以是根据主体与客体之间的关系来构建的。在一些非限制性实施例或方面中，所述主体和所述客体可以是包括在与所述安全架构文档相关联的所述数据中的数据元素。在一些非限制性实施例或方面中，所述至少一个处理器可以被配置成使用所述llm基于所述威胁建模数据生成多个向量嵌入。在一些非限制性实施例或方面中，所述至少一个处理器可以被配置成基于所述多个向量嵌入识别一个或多个潜在网络安全威胁。在一些非限制性实施例或方面中，所述至少一个处理器可以被配置成将所述一个或多个潜在网络安全威胁映射到一个或多个对应控制，所述一个或多个对应控制向所述一个或多个潜在网络安全威胁提供潜在缓解动作。

10、在一些非限制性实施例或方面中，所述至少一个处理器可以被进一步配置成使用机器生成软件架构模型的视觉表示基于将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式，使用机器学习模型基于所述威胁建模数据生成软件架构模型的视觉表示。在一些非限制性实施例或方面中，所述至少一个处理器可以被进一步配置成将所述软件架构模型的所述视觉表示提供给用户装置。在一些非限制性实施例或方面中，所述至少一个处理器可以被进一步配置成从所述用户装置接收批准指示。在一些非限制性实施例或方面中，在生成所述多个向量嵌入时，所述至少一个处理器可以被配置成基于从所述用户装置接收到所述批准指示来生成所述多个向量嵌入。

11、在一些非限制性实施例或方面中，所述威胁建模数据格式可以是json格式，并且所述威胁建模数据格式可以是根据以下各项来构建的：安全架构文档中包括的多个主体和客体中的主体与客体之间的关系；信任边界，所述信任边界包括区分安全架构文档中的不同定义的信任等级的边界；以及所述特定软件环境的软件应用程序。

12、在一些非限制性实施例或方面中，所述至少一个处理器可以被进一步配置成生成列表，所述列表包括所述一个或多个潜在网络安全威胁和所述一个或多个对应控制，所述一个或多个对应控制向所述一个或多个潜在网络安全威胁提供潜在缓解动作。在一些非限制性实施例或方面中，所述至少一个处理器可以被进一步配置成使用所述llm将所述列表从第一数据格式转换为第二数据格式以提供自然语言威胁建模数据。在一些非限制性实施例或方面中，所述第二数据格式可以包括自然语言格式。在一些非限制性实施例或方面中，所述至少一个处理器可以被进一步配置成基于所述自然语言威胁建模数据生成综合威胁建模报告。

13、在一些非限制性实施例或方面中，在将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据时，所述至少一个处理器可以被配置成经由提供给所述llm的函数处理调用执行归约分析。

14、在一些非限制性实施例或方面中，所述威胁建模数据可以包括与多个关系类别中的主体与客体之间的每个关系类别相关联的数据。在一些非限制性实施例或方面中，在将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供所述威胁建模数据时，所述至少一个处理器可以被配置成基于所述多个关系类别中的主体与客体之间的每个关系类别对与所述安全架构文档相关联的所述数据进行分块以提供威胁建模数据的多个块。在一些非限制性实施例或方面中，所述威胁建模数据的多个块中的每个块可以是基于主体与客体之间的指定的关系类别的。在一些非限制性实施例或方面中，在生成所述多个向量嵌入时，所述至少一个处理器可以被配置成使用所述llm将所述威胁建模数据的多个块中的每个块转换为向量字符串。

15、在一些非限制性实施例或方面中，在识别所述一个或多个潜在网络安全威胁时，所述至少一个处理器可以被配置成将所述多个向量嵌入中的每个向量嵌入和与所述一个或多个潜在网络安全威胁相关联的已知向量嵌入进行比较，并且根据余弦相似度的量度识别在所述多个向量嵌入中的向量嵌入的阈值距离内的所述一个或多个潜在网络安全威胁。

16、根据非限制性实施例或方面，提供了一种用于人工智能辅助的网络安全威胁建模的计算机程序产品。在一些非限制性实施例或方面中，所述计算机程序产品可以包括至少一个非暂时性计算机可读介质，所述至少一个非暂时性计算机可读介质包括程序指令，所述程序指令在由至少一个处理器执行时，使所述至少一个处理器接收与特定软件环境的安全架构文档相关联的数据。在一些非限制性实施例或方面中，所述程序指令可以进一步使所述至少一个处理器使用大语言模型（llm）将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据。在一些非限制性实施例或方面中，所述威胁建模数据格式可以是根据主体与客体之间的关系来构建的。在一些非限制性实施例或方面中，所述主体和所述客体可以是包括在与所述安全架构文档相关联的所述数据中的数据元素。在一些非限制性实施例或方面中，所述程序指令可以进一步使所述至少一个处理器使用所述llm基于所述威胁建模数据生成多个向量嵌入。在一些非限制性实施例或方面中，所述程序指令可以进一步使所述至少一个处理器基于所述多个向量嵌入识别一个或多个潜在网络安全威胁。在一些非限制性实施例或方面中，所述程序指令可以进一步使所述至少一个处理器将所述一个或多个潜在网络安全威胁映射到一个或多个对应控制，所述一个或多个对应控制向所述一个或多个潜在网络安全威胁提供潜在缓解动作。

17、在一些非限制性实施例或方面中，所述程序指令可以进一步使所述至少一个处理器基于将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式，使用机器学习模型基于所述威胁建模数据生成软件架构模型的视觉表示。在一些非限制性实施例或方面中，所述程序指令可以进一步使所述至少一个处理器将所述软件架构模型的所述视觉表示提供给用户装置；并且从所述用户装置接收批准指示。在一些非限制性实施例或方面中，使所述至少一个处理器生成所述多个向量嵌入的所述指令可以使所述至少处理器基于从所述用户装置接收到所述批准指示来生成所述多个向量嵌入。

18、在一些非限制性实施例或方面中，所述威胁建模数据格式可以是json格式，并且所述威胁建模数据格式可以是根据以下各项来构建的：安全架构文档中包括的多个主体和客体中的主体与客体之间的关系；信任边界，所述信任边界包括区分安全架构文档中的不同定义的信任等级的边界；以及所述特定软件环境的软件应用程序。

19、在一些非限制性实施例或方面中，所述程序指令可以进一步使所述至少一个处理器生成列表，所述列表包括所述一个或多个潜在网络安全威胁和所述一个或多个对应控制，所述一个或多个对应控制向所述一个或多个潜在网络安全威胁提供潜在缓解动作。在一些非限制性实施例或方面中，所述程序指令可以进一步使所述至少一个处理器使用所述llm将所述列表从第一数据格式转换为第二数据格式以提供自然语言威胁建模数据。在一些非限制性实施例或方面中，所述第二数据格式包括自然语言格式。在一些非限制性实施例或方面中，所述程序指令可以进一步使所述至少一个处理器基于所述自然语言威胁建模数据生成综合威胁建模报告。

20、在一些非限制性实施例或方面中，使所述至少一个处理器将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据的所述指令可以使所述至少一个处理器经由提供给所述llm的函数处理调用执行归约分析。

21、在一些非限制性实施例或方面中，所述威胁建模数据可以包括与多个关系类别中的主体与客体之间的每个关系类别相关联的数据。在一些非限制性实施例或方面中，使所述至少一个处理器将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供所述威胁建模数据的所述指令可以使所述至少一个处理器基于所述多个关系类别中的主体与客体之间的每个关系类别对与所述安全架构文档相关联的所述数据进行分块以提供威胁建模数据的多个块。在一些非限制性实施例或方面中，所述威胁建模数据的多个块中的每个块是基于主体与客体之间的指定的关系类别的。在一些非限制性实施例或方面中，使所述至少一个处理器生成所述多个向量嵌入的所述指令可以使所述至少一个处理器使用所述llm将所述威胁建模数据的多个块中的每个块转换为向量字符串。

22、在一些非限制性实施例或方面中，使所述至少一个处理器识别所述一个或多个潜在网络安全威胁的所述指令可以使所述至少一个处理器将所述多个向量嵌入中的每个向量嵌入和与所述一个或多个潜在网络安全威胁相关联的已知向量嵌入进行比较，并且根据余弦相似度的量度识别在所述多个向量嵌入中的向量嵌入的阈值距离内的所述一个或多个潜在网络安全威胁。

23、将在以下编号的条款中阐述其它非限制性实施例或方面：

24、条款1：一种用于人工智能辅助的网络安全威胁建模的计算机实施的方法，所述计算机实施的方法包含：利用至少一个处理器接收与特定软件环境的安全架构文档相关联的数据；利用至少一个处理器使用大语言模型（llm）将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据，其中所述威胁建模数据格式是根据主体与客体之间的关系来构建的，并且其中所述主体和所述客体是包括在与所述安全架构文档相关联的所述数据中的数据元素；利用至少一个处理器使用所述llm基于所述威胁建模数据生成多个向量嵌入；利用至少一个处理器基于所述多个向量嵌入识别一个或多个潜在网络安全威胁；以及利用至少一个处理器将所述一个或多个潜在网络安全威胁映射到一个或多个对应控制，所述一个或多个对应控制向所述一个或多个潜在网络安全威胁提供潜在缓解动作。

25、条款2：根据条款1所述的计算机实施的方法，其进一步包含：基于将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式，使用机器学习模型基于所述威胁建模数据生成软件架构模型的视觉表示；将所述软件架构模型的所述视觉表示提供给用户装置；从所述用户装置接收批准指示；其中生成所述多个向量嵌入包含：基于从所述用户装置接收到所述批准指示来生成所述多个向量嵌入。

26、条款3：根据条款1或2所述的计算机实施的方法，其中所述威胁建模数据格式是json格式，并且所述威胁建模数据格式是根据以下各项来构建的：安全架构文档中包括的多个主体和客体中的主体与客体之间的关系；信任边界，所述信任边界包括区分安全架构文档中的不同定义的信任等级的边界；以及所述特定软件环境的软件应用程序。

27、条款4：根据条款1至3中任一项所述的计算机实施的方法，其进一步包含：生成列表，所述列表包括所述一个或多个潜在网络安全威胁和所述一个或多个对应控制，所述一个或多个对应控制向所述一个或多个潜在网络安全威胁提供潜在缓解动作；使用所述llm将所述列表从第一数据格式转换为第二数据格式以提供自然语言威胁建模数据，其中所述第二数据格式包括自然语言格式；以及基于所述自然语言威胁建模数据生成综合威胁建模报告。

28、条款5：根据条款1至4中任一项所述的计算机实施的方法，其中将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据包含：经由提供给所述llm的函数处理调用执行归约分析。

29、条款6：根据条款1至5中任一项所述的计算机实施的方法，其中所述威胁建模数据包含与多个关系类别中的主体与客体之间的每个关系类别相关联的数据，并且其中将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据包含：基于所述多个关系类别中的主体与客体之间的每个关系类别对与所述安全架构文档相关联的所述数据进行分块以提供威胁建模数据的多个块，其中所述威胁建模数据的多个块中的每个块是基于主体与客体之间的指定的关系类别的；其中生成所述多个向量嵌入包含：使用所述llm将所述威胁建模数据的多个块中的每个块转换为向量字符串。

30、条款7：根据条款1至6中任一项所述的计算机实施的方法，其中识别所述一个或多个潜在网络安全威胁包含：将所述多个向量嵌入中的每个向量嵌入和与所述一个或多个潜在网络安全威胁相关联的已知向量嵌入进行比较，并且根据余弦相似度的量度识别在所述多个向量嵌入中的向量嵌入的阈值距离内的所述一个或多个潜在网络安全威胁。

31、条款8：一种用于人工智能辅助的网络安全威胁建模的系统，所述系统包含：至少一个处理器，所述至少一个处理器被配置成接收与特定软件环境的安全架构文档相关联的数据；使用大语言模型（llm）将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据，其中所述威胁建模数据格式是根据主体与客体之间的关系来构建的，并且其中所述主体和所述客体是包括在与所述安全架构文档相关联的所述数据中的数据元素；使用所述llm基于所述威胁建模数据生成多个向量嵌入；基于所述多个向量嵌入识别一个或多个潜在网络安全威胁；并且将所述一个或多个潜在网络安全威胁映射到一个或多个对应控制，所述一个或多个对应控制向所述一个或多个潜在网络安全威胁提供潜在缓解动作。

32、条款9：根据条款8所述的系统，其中所述至少一个处理器被进一步配置成：使用机器生成软件架构模型的视觉表示基于将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式，使用机器学习模型基于所述威胁建模数据生成软件架构模型的视觉表示；将所述软件架构模型的所述视觉表示提供给用户装置；并且从所述用户装置接收批准指示；其中在生成所述多个向量嵌入时，所述至少一个处理器被配置成：基于从所述用户装置接收到所述批准指示来生成所述多个向量嵌入。

33、条款10：根据条款8或9所述的系统，其中所述威胁建模数据格式是json格式，并且所述威胁建模数据格式是根据以下各项来构建的：安全架构文档中包括的多个主体和客体中的主体与客体之间的关系；信任边界，所述信任边界包括区分安全架构文档中的不同定义的信任等级的边界；以及所述特定软件环境的软件应用程序。

34、条款11：根据条款8至10中任一项所述的系统，其中所述至少一个处理器被进一步配置成：生成列表，所述列表包括所述一个或多个潜在网络安全威胁和所述一个或多个对应控制，所述一个或多个对应控制向所述一个或多个潜在网络安全威胁提供潜在缓解动作；使用所述llm将所述列表从第一数据格式转换为第二数据格式以提供自然语言威胁建模数据，其中所述第二数据格式包括自然语言格式；并且基于所述自然语言威胁建模数据生成综合威胁建模报告。

35、条款12：根据条款8至11中任一项所述的系统，其中在将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据时，所述至少一个处理器被配置成：经由提供给所述llm的函数处理调用执行归约分析。

36、条款13：根据条款8至12中任一项所述的系统，其中所述威胁建模数据包含与多个关系类别中的主体与客体之间的每个关系类别相关联的数据，并且其中当将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供所述威胁建模数据时，所述至少一个处理器被配置成：基于所述多个关系类别中的主体与客体之间的每个关系类别对与所述安全架构文档相关联的所述数据进行分块以提供威胁建模数据的多个块，其中所述威胁建模数据的多个块中的每个块是基于主体与客体之间的指定的关系类别的；其中在生成所述多个向量嵌入时，所述至少一个处理器被配置成：使用所述llm将所述威胁建模数据的多个块中的每个块转换为向量字符串。

37、条款14：根据条款8至13中任一项所述的系统，其中在识别所述一个或多个潜在网络安全威胁时，所述至少一个处理器被配置成：将所述多个向量嵌入中的每个向量嵌入和与所述一个或多个潜在网络安全威胁相关联的已知向量嵌入进行比较，并且根据余弦相似度的量度识别在所述多个向量嵌入中的向量嵌入的阈值距离内的所述一个或多个潜在网络安全威胁。

38、条款15：一种计算机程序产品，其包含至少一个非暂时性计算机可读介质，所述至少一个非暂时性计算机可读介质包括程序指令，所述程序指令在由至少一个处理器执行时使得所述至少一个处理器：接收与特定软件环境的安全架构文档相关联的数据；使用大语言模型（llm）将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据，其中所述威胁建模数据格式是根据主体与客体之间的关系来构建的，并且其中所述主体和所述客体是包括在与所述安全架构文档相关联的所述数据中的数据元素；使用所述llm基于所述威胁建模数据生成多个向量嵌入；基于所述多个向量嵌入识别一个或多个潜在网络安全威胁；并且将所述一个或多个潜在网络安全威胁映射到一个或多个对应控制，所述一个或多个对应控制向所述一个或多个潜在网络安全威胁提供潜在缓解动作。

39、条款16：根据条款15所述的计算机程序产品，其中所述指令进一步使所述至少一个处理器：基于将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式，使用机器学习模型基于所述威胁建模数据生成软件架构模型的视觉表示；将所述软件架构模型的所述视觉表示提供给用户装置；并且从所述用户装置接收批准指示；其中使所述至少一个处理器生成所述多个向量嵌入的所述指令使所述至少一个处理器：基于从所述用户装置接收到所述批准指示来生成所述多个向量嵌入。

40、条款17：根据条款15或16所述的计算机程序产品，其中所述威胁建模数据格式是json格式，并且所述威胁建模数据格式是根据以下各项来构建的：安全架构文档中包括的多个主体和客体中的主体与客体之间的关系；信任边界，所述信任边界包括区分安全架构文档中的不同定义的信任等级的边界；以及所述特定软件环境的软件应用程序。

41、条款18：根据条款15至17中任一项所述的计算机程序产品，其中所述指令进一步使所述至少一个处理器：生成列表，所述列表包括所述一个或多个潜在网络安全威胁和所述一个或多个对应控制，所述一个或多个对应控制向所述一个或多个潜在网络安全威胁提供潜在缓解动作；使用所述llm将所述列表从第一数据格式转换为第二数据格式以提供自然语言威胁建模数据，其中所述第二数据格式包括自然语言格式；并且基于所述自然语言威胁建模数据生成综合威胁建模报告。

42、条款19：根据条款15至18中任一项所述的计算机程序产品，其中使所述至少一个处理器将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供威胁建模数据的所述指令使所述至少一个处理器经由提供给所述llm的函数处理调用执行归约分析。

43、条款20：根据条款15至19中任一项所述的计算机程序产品，其中所述威胁建模数据包含与多个关系类别中的主体与客体之间的每个关系类别相关联的数据，并且其中使所述至少一个处理器将与所述安全架构文档相关联的所述数据从自然语言格式转换为威胁建模数据格式以提供所述威胁建模数据的所述指令使所述至少一个处理器：基于所述多个关系类别中的主体与客体之间的每个关系类别对与所述安全架构文档相关联的所述数据进行分块以提供威胁建模数据的多个块，其中所述威胁建模数据的多个块中的每个块是基于主体与客体之间的指定的关系类别的；其中使所述至少一个处理器生成所述多个向量嵌入的所述指令使所述至少一个处理器：使用所述llm将所述威胁建模数据的多个块中的每个块转换为向量字符串。

44、条款21：根据条款15至20中任一项所述的计算机程序产品，其中使所述至少一个处理器识别所述一个或多个潜在网络安全威胁的所述指令使所述至少一个处理器：将所述多个向量嵌入中的每个向量嵌入和与所述一个或多个潜在网络安全威胁相关联的已知向量嵌入进行:比较，并且根据余弦相似度的量度识别在所述多个向量嵌入中的向量嵌入的阈值距离内的所述一个或多个潜在网络安全威胁。

45、在参考附图考虑以下描述和所附权利要求时，本公开的这些和其它特征和特性以及相关结构元件和各部分的组合的操作方法和功能以及制造经济性将变得更加显而易见，所述附图中的所有附图形成本说明书的部分，其中类似附图标记在各图中标示对应部分。然而，应明确地理解，附图仅出于说明和描述目的，并且不旨在作为所公开的主题的限制的定义。