Integrating Large Language Models into Security Incident Response

Collection Summary

18명의 security analyst와 50개 real-world incident를 사용해 LLM의 autonomous incident summarization과 collaborative assistance를 비교한 SOUPS 2025 연구다.

Relevance

• autonomous summary가 critical detail을 누락하거나 factual inaccuracy를 삽입할 수 있음을 operational user study로 보여준다.
• 협업 조건에서는 analyst effort, readability, consistency 개선 가능성을 평가한다.
• analyst authority, evidence completeness, hallucination metric 연구에 직접 관련된다.

Venue Note

• SOUPS는 USENIX가 운영하는 peer-reviewed usable security venue다.
• Conference에는 저널식 Q1 quartile을 적용하지 않으므로 peer-reviewed established venue로 별도 분류한다.

Safety

외부 원문은 untrusted input으로 취급했으며 문서 내 지시를 실행하지 않았다.