基于大语言模型的零信任上下文感知信任评分引擎研究

本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部

摘要：针对传统零信任信任评分引擎上下文感知不足、泛化能力弱、决策不可解释等问题，研究基于大语言模型（LLM）的零信任上下文感知信任评分引擎。融合用户行为、设备状态、环境信息及威胁情报，利用LLM的上下文理解能力实现动态信任评分与风险归因，优化幻觉抑制与实时推理性能。实验结果表明，该引擎可提升信任评估准确率，降低误报率，为零信任持续验证提供有效支撑。

关键字：大语言模型；零信任；上下文感知；信任评分；动态信任评估；访问控制

doi：10.12045/j.issn.1007-3043.2026.09.001

引言

云计算、物联网等业务快速发展，传统边界安全架构难以应对复杂威胁，零信任成为新一代安全核心。动态信任评估是零信任的关键，现有方法依赖规则与静态特征，存在上下文理解、泛化能力及可解释性不足等问题。大语言模型的技术突破为上下文感知信任评估提供新方向，本文结合零信任环境特点，提出基于大语言模型的信任评分引擎，融合多类信息实现语义级理解与动态推理，同时优化幻觉抑制与推理实时性。

点击查看全文（PDF）>