NIST 网络安全框架 2.0：使用人工智能进行 CSF 分析与报告的快速入门指南

美国商务部（U.S. Department of Commerce）

商务部长 Howard Lutnick

国家标准与技术研究院（National Institute of Standards and Technology，NIST）

标准与技术商务部副部长兼 NIST 主任 Arvind Raman

NIST 特别出版物（NIST Special Publication）

初始公开草案（Initial Public Draft）——NIST SP 1353 ipd

https://doi.org/10.6028/NIST.SP.1353.ipd

请将意见发送至 csf@nist.gov

2026 年 8 月

引言

为什么将人工智能（Artificial Intelligence，AI）与 NIST 网络安全框架（Cybersecurity Framework，CSF）2.0 一起使用？

CSF 2.0 提供指南和一套共同语言，帮助各种规模、各个行业的组织管理网络安全风险。在实践中，组织越来越多地借助人工智能（AI）系统，以便更好地理解、评估、排列优先级，并就其与 CSF 2.0 相一致的网络安全工作进行沟通。例如，AI 可以帮助分析、规划、实施并监测组织在实现 CSF 2.0 结果方面的进展。

本指南的目的

以下几页提供三个示意性用例，以及用于组织自然语言输入的提示词示例，以便从生成式 AI 模型得到指定的 CSF 2.0 输出。这些示例是示意性的，说明组织在规划和实施 CSF 2.0 时可能使用 AI 的若干方式。请留意全文中的橙色感叹号三角。它们标出与把 AI 用于 NIST CSF 2.0 有关的重要说明。

本指南包含的用例

用例 1：审查组织政策与战略，使之与 CSF 治理对齐

用例 2：基于组织工件编制 CSF 当前状态画像

用例 3：基于组织工件编制目标状态画像

这些用例说明什么

用例 1 说明如何使用 AI 辅助审查，对照 CSF 2.0 的结果，评估组织的网络安全政策、战略和风险治理。

用例 2 说明如何产生一份 CSF 组织当前状态画像草案：把工件和人员访谈记录映射到 CSF 2.0 的结果，记录各项假设，并记下访谈和证据中观察到的缺口。

用例 3 说明如何利用内部和行业参考，创建一份 CSF 目标状态画像草案，描述为满足使命目标、利益相关方期望、应对风险形势并履行要求所期望的结果。

有用于 CSF 的有意思 AI 用例吗？请把更多用例设想提交至：csf@nist.gov。

有效的提示词工程有助于支持一致且可重复的 CSF 2.0 结果

所提供的示意性 CSF 用例提示词，是用 CO-STAR 框架编写的。还有许多有用的提示词框架（例如 CRAFT、RISEN、RTF、APE、CREATE 等）。使用者应选择最适合其特定用例的提示词框架。

继续阅读之前的重要说明

• 以下几页描述三个用例，并给出使用 CO-STAR 框架的可执行示意性提示词样本，用以说明把 AI 用于规划和实施 CSF 活动。用例示例说明一种可能的做法，并非规定性的评估或保证方法。
• 尽管编写本快速入门指南（QSG）时并未使用 AI 工具，但在为产生本指南及组织文件样本而进行的提示词研究中，使用了 AI 工具、提示词、画像和虚构数据。此种使用并不意味着这些模型、软件、画像或服务是用于此目的的最佳可得选择，也不意味着 NIST 予以推荐或认可。
• 始终审查 AI 工具的隐私和安全设置（例如数据保留、训练、访问权限以及保密条款）。
• 在把任何敏感信息输入 AI 工具之前，遵守公司政策（例如 AI 安全、数据管理、隐私和安全等）。
• AI 生成的内容在用于组织决策之前，始终应由合格人员审查。使用者负责验证 AI 系统的适用性、范围、输入、假设和输出。
• 在验证 AI 输出时，考虑使用多种 AI 工具并比较结果。
• 查阅 NIST 的 AI 资源，以便安全、有效地使用 AI。
• 本快速入门指南及所附补充材料中的所有个人、组织和记录，均为用于说明的虚构产物。

以下几页描述三个用例，并给出使用 CO-STAR 框架的可执行示意性提示词样本，用以说明把 AI 用于规划和实施 CSF 活动。附录 A 提供使用本指南补充内容来探索把 AI 用于 CSF 分析的高层流程。

用例 1：审查组织政策与战略，使之与 CSF 治理对齐

为何有用

CSF 2.0 治理对齐视图

提供一种结构化方式，用以评估网络安全政策、战略和风险治理是否与 CSF 2.0 的治理（GOVERN，GV）对齐，重点是问责、监督和风险决策。

示例输入材料（输入）

• 治理工件（例如政策、标准、规程）
• 网络安全风险治理背景（例如风险偏好、容忍度、决策）
• 组织战略文件
• 组织背景（例如行业、监管环境）
• 供应链和第三方风险背景

AI 可以提供帮助的示例方式（结果）

• 跨 OC / RM / RR / PO / OV / SC 进行 CSF 2.0 GV 评估
• 跨 GV 各域分析网络安全风险治理的一致性
• 识别治理缺陷和不一致之处

可执行 CO-STAR 提示词的简化示例*

背景（Context）：使用 NIST CSF 2.0 的治理（GOVERN，GV）评估网络安全治理；输入包括所附的网络安全政策和要求。

目标（Objective）：评估网络安全风险治理在 CSF 2.0 治理功能上的一致性，重点是意图、问责和风险决策结构。

风格（Style）：面向高管、基于证据；不得超出所提供工件进行推断；不进行成熟度评分；除非明确提供，否则不进行基准比较。

语气（Tone）：中立、专业，属于首席信息安全官（CISO）层级的网络安全风险治理审查；有结构且非规定性。

受众（Audience）：网络安全治理、风险管理和保证方面的利益相关方。

回答（Response）：关于 GV 对齐态势和关键错位的高管摘要；对 CSF 2.0 治理功能的每一类别进行 GV 评估，并给出状态（已对齐（Aligned）/ 部分对齐（Partial）/ 未对齐（Misaligned）/ 未涉及（Not addressed））及支持证据；治理断裂点（政策与战略、风险偏好、问责、监督、供应链）；治理风险影响（决策权限、监管暴露、监督、风险接受）。

查看用例 1 的补充文件。

本页上的提示词为便于说明而有所缩写。补充文件为本用例提供更完整的提示词

用例 2：基于组织工件编制 CSF 当前状态画像

为何有用

当前网络安全状态分析

便于把现有做法映射到 CSF 核心（CSF Core）的子类，以提高效率，并帮助迅速编制当前状态画像草案。

把审查、关联和对齐大量源文件这些劳动密集型任务自动化，其中许多文件可能很长。创建一份有效的 CSF 画像草案，语言一致、差异更小，并且结果覆盖完整。

示例输入材料（输入）

• 治理和政策文件（例如安全政策、标准、规程）。
• 正在使用的现有控制框架（例如 ISO 27001、SOC 2、PCI DSS、CIS）。
• 评估工件（例如先前的风险评估、内部/外部审计发现、渗透测试报告和漏洞扫描结果）。
• 其他技术和运营流程与规程文档。
• 组织战略文件。
• 组织背景（例如业务目标、风险容忍度、监管/合同要求，以及关于未另行记录的做法的信息）。

AI 可以提供帮助的示例方式（结果）

• 把最初起草从数周压缩到数小时，迅速摄入并关联大量文件集。
• 采用统一的语言和解释，随后可由人类主题专家审查和打磨。
• 浮现交叉引用——把一项政策陈述链接到一条扫描结果、再链接到一项审计发现——而人工审查者可能会忽略这些联系。

可执行 CO-STAR 提示词的简化示例*

背景（Context）：你正在支持一项 NIST CSF 2.0 评估。[描述用于评估视角的任何特定行业叠加（例如社区画像（Community Profile））。] 以 NIST CSF 2.0 组织画像模板为工作基础。分析时只使用所附源材料。

目标（Objective）：对第 A 列（CSF 2.0 核心）中的每一项结果，用当前政策填写第 G 列，用当前做法填写第 H 列。把每一项 CSF 结果映射到推动它的具体要求及/或风险应对，并加以引用。

风格（Style）：以来源为依据、可追溯。不得编造。如果某项结果在来源中未被涉及，就明白说出来。简洁而具体，各行结构一致，使各列读起来是一套连贯内容。

语气（Tone）：技术性但浅白可读。使用精确的网络安全术语。

受众（Audience）：首席信息安全官（CISO）和网络安全团队成员。他们将把本文用作基于证据的当前画像基线，用于差距分析、优先级排序，以及（随后的）目标状态规划。

回答（Response）：为全部结果完成这两列，形式要能干净地映射回模板，按第 A 列顺序每项结果一行。凡访谈提供了判断的，在第 H 列使用优势（Strength）/ 部分（Partial）/ 缺口（Gap）前缀。表格之后，增加一条简短的“假设与证据缺口（Assumptions & Evidence Gaps）”说明，列出：（a）来源沉默或单薄的任何结果，以及（b）第 H 列依据的是已记录流程而非观察到的做法的任何位置。

查看用例 2 的补充文件。

本页上的提示词为便于说明而有所缩写。补充文件为本用例提供更完整的提示词

用例 3：基于组织工件编制 CSF 目标状态画像

为何有用

基于风险定义目标状态画像

CSF 组织画像从复杂且相互关联的因素中提取内容，用以描述为满足使命目标、利益相关方期望、应对风险形势并履行要求所期望的结果。

示例输入材料（输入）

• 为应对若干组织之间的共同利益和目标而创建并发布的 CSF 2.0 社区画像（Community Profile）。
• 风险治理和管理工件（例如政策、高级领导者的风险指导与指示、风险登记册）。
• 组织战略文件。
• 用以应对已知风险和要求的良好做法及建议活动的行业示例和标准。

AI 可以提供帮助的示例方式（结果）

• 把组织背景映射到 NIST CSF 2.0 的各项功能，以产生目标画像初稿，减少从空白页到达可用起点通常所需的人工研究和写作时间。
• 确保所有相关类别和子类都被系统考虑，并标出已声明的风险优先级与所选目标层级之间的缺口或不一致。
• 把技术性结果翻译成适合不同受众（例如高管、审计人员、技术团队）的浅白描述。

可执行 CO-STAR 提示词的简化示例*

背景（Context）：你正在支持一项 NIST CSF 2.0 评估。[描述用于评估视角的任何特定行业叠加（例如 CRI 画像（CRI Profile））。] 以 NIST CSF 2.0 组织画像模板为工作基础。分析时只使用所附源材料。

目标（Objective）：定义一个能够支持可接受风险水平并履行适用要求的目标状态。对第 A 列（CSF 2.0 核心）中的每一项结果，用必要的政策和规程填写第 N 列，用期望的做法填写第 O 列。把每一项 CSF 结果映射到推动它的具体要求及/或风险应对，并加以引用。

风格（Style）：以来源为依据、可追溯。不得编造。如果某项结果在来源中未被涉及，就明白说出来。简洁而具体，各行结构一致，使各列读起来是一套连贯内容。

语气（Tone）：技术性但浅白可读。使用精确的网络安全术语。

受众（Audience）：首席信息安全官（CISO）和网络安全团队成员。他们将把本文用作基于风险的目标画像基线，用于风险分析、优先级排序和目标状态规划。

回答（Response）：为全部结果完成这些列，形式要能干净地映射回模板，按第 A 列顺序每项结果一行。在第 N 列内联引用驱动因素（例如要求编号及/或风险编号；适用时还包括最佳实践标准）。表格之后，增加一条“假设与证据缺口（Assumptions & Evidence Gaps）”说明，列出：（a）要求或登记册没有规定明确目标、因而你采用了最佳实践的结果，（b）暗示来源中尚未确认的新工具、预算或人员配置的目标，以及（c）团队在制定路线图之前应当验证的依赖关系或顺序。

查看用例 3 的补充文件。

本页上的提示词为便于说明而有所缩写。补充文件为本用例提供更完整的提示词

付诸实践

起步提示

本快速入门指南中的提示词样本，为组织提供在规划和实施 CSF 2.0 时使用 AI 的起点。

选择最符合组织需要的提示词格式。本快速入门指南使用 CO-STAR，但组织可能希望或需要使用另一种提示词格式。

选择经组织的安全和隐私团队授权使用的 AI 工具（一种或多种）。

召集利益相关方小组，讨论范围、资源、角色和职责等。

收集获准摄入已批准 AI 工具的必要工件（例如系统安全计划、员工访谈、政策手册、风险登记册、当前的 CSF 组织画像）。

持续审查并打磨输入和输出，以取得所期望的结果。

参考数据与 AI

信息性参考（Informative Reference）标明一份焦点文件（例如 CSF 2.0 核心）中的要素与其他权威来源中对应要素之间的关系，这些来源包括框架、标准、指南和最佳实践。网络安全与隐私参考工具（Cybersecurity and Privacy Reference Tool，CPRT）、CSF 2.0 参考工具，以及在线信息性参考计划（Online Informative References Program，OLIR），使组织能够看见并理解各种框架和指南中参考数据之间的关系，以支持有效实施。

• 可以从这些工具把数据导出为结构化格式。实践者随后可以利用 AI 工具分析、比较或对照各个框架。
• AI 辅助的映射应当经过审查，尤其是在明确的参考数据有限之处。
• AI 辅助的映射或对照应当保留标识符、来源上下文、来源出处和状态，以避免未经主题专家适当审查或脱离上下文就使用得不到支持的映射。
• 在把参考数据和其他工件用作自动分析的输入之前，确认它们反映的是最新发布版本。

重要提醒

• 在把敏感信息输入 AI 工具之前，始终审查该 AI 工具的隐私和安全设置（例如数据保留、训练、访问权限以及保密条款）以及公司数据政策。
• AI 生成的内容在用于组织决策之前，始终应由合格人员审查。使用者负责验证 AI 系统的适用性、范围、输入、假设和输出。
• 在验证 AI 输出时，考虑使用多种 AI 工具并比较结果。

缩写与术语

术语*

• CSF 核心（CSF Core）——一套高层网络安全结果的分类体系，用以帮助管理网络安全风险。其组成部分是功能、类别和子类的层次，逐项说明每一结果。
• 功能（Function）——CSF 核心内部对网络安全结果的最高组织层次。CSF 功能有六项：治理（Govern）、识别（Identify）、保护（Protect）、检测（Detect）、响应（Respond）和恢复（Recover）。
• 类别（Category）——共同构成一项 CSF 功能的相关网络安全结果。
• 子类（Subcategory）——把每一类别进一步分为技术和管理活动的更具体结果（例如 PR.AA-01）。
• 结果（Outcome）——由一项 CSF 子类描述的所期望网络安全结果。
• 组织画像（Organizational Profile）——用 CSF 核心的结果来描述组织当前及/或目标网络安全态势的一种机制。
• 社区画像（Community Profile）——为应对若干组织（例如一个行业或一个用例）之间的共同利益和目标而创建并发布的 CSF 结果基线。
• 信息性参考（Informative Reference）——标明 CSF 核心与各种标准、指南、法规及其他内容之间关系的映射，用以说明组织可以如何实现核心结果。
• 生成式 AI（Generative AI）——响应提示词而产生新文本或新工件的 AI 系统。
• 幻觉（Hallucination）——看似合理但不准确的 AI 输出；使用前需要专家审查。
• 提示词工程（Prompt engineering）——反复打磨提示词，以获得可靠、切题的 AI 输出。
• 拟定 / 推导映射（Proposed / Derived mapping）——等待专家验证的 AI 辅助映射的状态标签。

所提供的定义意在使用浅白语言。正式的 NIST 定义请见 NIST 术语表

缩写

• AI——人工智能（Artificial Intelligence）
• CPRT——网络安全与隐私参考工具（Cybersecurity & Privacy Reference Tool）
• CSF——网络安全框架（Cybersecurity Framework）
• CSRC——网络安全资源中心（Cybersecurity Resource Center）
• GRC——治理、风险与合规（Governance, Risk, & Compliance）
• ICT——信息与通信技术（Information & Communications Technology）
• ISO——国际标准化组织（International Organization for Standardization）
• OLIR——在线信息性参考（Online Informative References）
• PCI DSS——支付卡行业数据安全标准（Payment Card Industry Data Security Standard）
• RMF——风险管理框架（Risk Management Framework）
• SOC——系统与组织控制（System and Organization Controls）
• SSP——系统安全计划（System Security Plan）

PRIMARY_SOURCE: https://nvlpubs.nist.gov/nistpubs/SpecialPublications/NIST.SP.1353.ipd.pdf