在软件开发生命周期（SDL）中，需求阶段的安全需求挖掘至关重要，它直接影响到软件的安全性和可靠性。随着大模型技术的发展，我们可以利用其强大的自然语言处理和知识图谱能力，实现从业务需求到风险矩阵的智能转换。本文将介绍一种基于大模型的四步法，帮助安全团队高效挖掘安全需求。

一、业务需求解析：大模型驱动的语义理解

目标 ：将自然语言描述的业务需求转化为结构化安全要素。

方法 ：

1. 需求文本预处理 ：使用大模型（如 GPT - 4、文心一言）对需求文档进行分词、实体识别和关系抽取，提取关键业务场景、功能模块和数据流。

2. 安全要素标注 ：基于预训练的安全知识库（如 CWE、OWASP Top 10），自动标注需求中隐含的资产类型（用户数据、支付接口等）和访问边界（权限、通信协议等）。

3. 结构化输出 ：生成包含业务目标、功能组件、数据交互的 JSON 格式结构化数据，为后续风险分析提供输入。

工具示例 ：

Pytho