본 논문은 Sentence Transformer 모델의 도메인 적응을 사용하여 클라우드 보안 컨트롤을 기술 지표에 매핑하는 수동 프로세스를 자동화하는 것을 제안합니다.

  • 저자들은 5개의 유럽 보안 표준에서 3,499개의 의미적 쌍으로 구성된 학습 코퍼스를 구축하고, 역번역 및 LLM 기반 의역법을 통해 4개의 시나리오로 13,996개의 샘플로 확장했습니다.
  • 5가지 아키텍처가 파인튜닝되었으며 컨트롤에서 지표로의 매핑 및 교차 표준 컨트롤 연관성 작업에 대해 평가되었습니다.
  • 컨트롤에서 지표로의 작업에서 최상의 모델은 제로샷 베이스라인 대비 nDCG@10을 최대 23포인트 향상시켰습니다.
  • 교차 표준 컨트롤 작업에서 역번역 하의 multi-qa-mpnet-dot-v1 모델은 nDCG@10 0.870을 달성했습니다.

결과는 인도메인 학습 데이터가 이러한 자동화 작업의 성능을 주도하는 주요 요인임을 나타냅니다.