SHIELDS：利用迭代多智能体修复实现操作系统加固自动化

安全配置错误仍是操作系统层面妥协的主要原因，手动维持符合 DISA STIG 等标准的过程繁琐且昂贵。现有自动化工具依赖静态预写操作，局限性明显。本文提出 SHIELDS，一种利用大语言模型的多智能体系统，将操作系统加固视为迭代反馈驱动过程。该系统不应用固定修复方案，而是持续提出修正措施，并依据目标系统执行与验证扫描的反馈进行优化。实验表明，SHIELDS 能成功修复高达 73% 的扫描发现，且成功率更取决于有效的工具使用与信息收集，而非模型参数量。