T1GER:商业安全运营中心网络靶场练习的教学重新设计

网络安全培训与意识智能辅导系统与学习分析生成式AI(文本、图像、音乐、视频)网络安全工程师AI/ML 研究员与工程师HCI 研究员

文献标题

T1GER: An Instructional Re-Design of a Cyber Range Exercise in a Commercial Security Operations Center

出版信息

  • 主题领域: 安全运营中心(SOC)中的网络安全培训教学设计。
  • 关键词: 网络靶场、教学设计、SOC培训、一级分析员、学习管理系统、认知负荷、学习动机、网络安全教育、随机对照试验、威胁分析。

背景与问题

  • 问题/挑战: 许多网络靶场练习注重技术真实性,但缺乏有效的教学设计,导致学员,尤其是初级一级分析员,出现认知过载和学习效果不佳。
  • 重要性: 有效的培训对于解决网络安全人才短缺问题至关重要,同时确保SOC能够高效检测和缓解网络攻击。
  • 动机与相关研究: 之前的研究提出了针对网络靶场的教学改进措施,例如反馈和结构化场景,但这些努力通常集中于孤立元素,缺乏在真实SOC环境中的实证验证。本研究旨在通过在商业SOC环境中整合并评估全面的教学设计原则来弥补这些空白。

解决方案

  • 提出的方法: 一级网络靶场练习教学重设计(t1ger),一种增强型学习管理系统(LMS),用于网络靶场练习,集成了结构化反馈、程序性脚手架和竞争元素。
  • 创新点:
    1. 将任务特定提示和脚手架直接嵌入LMS中,以减少对培训师的依赖。
    2. 提供即时任务级反馈及解释,以提高学习准确性。
    3. 通过评分系统和排行榜引入游戏化元素,增加参与度。
    4. 在保留原始网络靶场技术真实性的同时改进教学设计。
  • 流程与关键技术:
    1. 分析合作SOC使用的现有LMS中的不足。
    2. 将教学设计原则(如脚手架、反馈、竞争)应用于t1ger LMS。
    3. 对144名参与者进行随机对照试验,比较t1ger与原始LMS。
    4. 使用验证过的心理测量工具和绩效指标评估学习体验、知识成果和培训效率。

结果

  • 具体发现:
    • 使用t1ger的参与者报告更高的学习动机(M = 3.71 vs. 3.33, p = 0.001)和更低的认知负荷(M = 3.49 vs. 3.01, p = 0.001)。
    • t1ger组的培训完成率更高(86% vs. 69%, p = 0.024)。
    • t1ger组的参与者完成培训的时间更短(64.92 vs. 73.37分钟, p < 0.001)。
    • 两组在所有类别的知识成果上表现相当。
  • 相较基线的优势:
    • 改善学习体验(动机和认知负荷)。
    • 提高培训效率(完成率和时间)。
    • 在不影响学习成果的情况下减少对培训师的依赖。
  • 实验/评估:
    • 对来自两所欧洲大学的144名参与者进行随机对照试验。
    • 评估指标包括学习动机、认知负荷、知识成果(TAP、SIEM、场景特定和一般警报调查)、培训完成率和时间。
  • 局限性与未来工作:
    • 仅限于一个SOC场景(log4j漏洞);对其他SOC和场景的普适性需要进一步探索。
    • 未评估学习成果的长期保持效果。
    • 未来工作可以探索将教学设计原则应用于其他SOC任务,生成定制场景,并整合基于AI的对抗伙伴。

总结

t1ger LMS针对网络靶场练习的重设计显著提高了一级SOC分析员的学习动机,降低了认知负荷,并提升了培训效率,同时未影响知识成果。通过嵌入脚手架、反馈和游戏化等教学设计原则,t1ger减少了对培训师的依赖,增强了SOC培训的可扩展性和可复制性。这些发现突显了跨学科方法在变革网络安全教育和解决SOC人才挑战中的潜力。未来研究可以扩展这些原则在其他SOC任务中的应用,并探索长期学习影响。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/223443/2026

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3791226
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
网络安全培训与意识、智能辅导系统与学习分析、生成式AI(文本、图像、音乐、视频)
work
职业/产业
网络安全工程师、AI/ML 研究员与工程师、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文