RAG for Effective Supply Chain Security Questionnaire Automation

要約

デジタル セキュリティが重要な時代においては、サプライ チェーンのセキュリティ アンケートを通じてセキュリティ関連の問い合わせを効率的に処理することが不可欠です。
このペーパーでは、これらの応答を自動化するために、自然言語処理 (NLP) と検索拡張生成 (RAG) を使用した新しいアプローチを紹介します。
当社は、大規模言語モデル (LLM) と高度な検索システムを統合することで、多様な文書形式を解釈し、正確な応答を生成するシステム、QuestSecure を開発しました。
私たちの実験では、QuestSecure が応答精度と運用効率を大幅に向上させることが示されました。
高度な NLP 技術とカスタマイズされた検索メカニズムを採用することで、システムはコンテキストに関連した意味的に豊富な応答を一貫して生成し、セキュリティ チームの認知的負荷を軽減し、潜在的なエラーを最小限に抑えます。
この研究は、複雑なセキュリティ管理タスクを自動化し、組織のセキュリティ プロセスを強化するための有望な手段を提供します。

要約(オリジナル)

In an era where digital security is crucial, efficient processing of security-related inquiries through supply chain security questionnaires is imperative. This paper introduces a novel approach using Natural Language Processing (NLP) and Retrieval-Augmented Generation (RAG) to automate these responses. We developed QuestSecure, a system that interprets diverse document formats and generates precise responses by integrating large language models (LLMs) with an advanced retrieval system. Our experiments show that QuestSecure significantly improves response accuracy and operational efficiency. By employing advanced NLP techniques and tailored retrieval mechanisms, the system consistently produces contextually relevant and semantically rich responses, reducing cognitive load on security teams and minimizing potential errors. This research offers promising avenues for automating complex security management tasks, enhancing organizational security processes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google