本文针对安全业务流程建模中安全注解生成高度依赖人工且易出错的问题，提出一种基于大语言模型（LLM）与规则混合的自动化框架。在业务流程建模中，BPMN 扩展如 SecBPMN2 为流程模型添加安全属性，但现有实践通常需要安全专家从自然语言的安全需求文档中手动推导并填充注解，过程耗时且容易产生遗漏或错误。该框架以 BPMN 流程模型和安全需求文档为输入，自动输出符合 SecBPMN2 规范的安全注解。其核心方法包括：首先利用 LLM 从需求文档和流程元素中提取与安全相关的语义信息；然后通过预定义的 schema 约束将这些语义映射到规范的注解字段；接着采用规则化归一化步骤处理格式和表达不一致；最后通过确定性验证确保注解的结构完整性和合法性。为了评估效果，作者在包含 27 个来自不同领域流程模型的数据集上进行了综合测试。实验结果表明，该框架能够稳定生成结构有效且模式完整性高的 SecBPMN2 注解。与人工安全分析师相比，该系统的精确率显著更高（0.58 vs 0.29），召回率基本持平（0.52 vs 0.50），并且错误或位置不当的注解减少了近 50%。同时，自动生成速度远超手动标注。这些结果证明，LLM 与规则相结合的混合方案能够降低安全流程建模的工作量，提高一致性和可靠性，为安全设计（security-by-design）的 BPM 提供了可扩展的技术基础。该研究对于希望将安全需求自动集成到业务流程中的组织具有参考价值，也展示了 LLM 在领域特定规范生成任务中的潜力。

该论文提出并系统化定义了“信任边界语义间隙”（Trust Boundary Semantic Gap, TBSG）这一概念：当一个工件跨过信任边界时，即使通过了正确的语法验证（如格式、协议、签名检查），其语义安全属性仍可能无法满足接收域的隐含安全需求，从而导致安全漏洞。作者通过对2014-2025年间75起公开安全事件进行边界层分析，归纳出一个四维分析模型（MDTBSG）：身份（Identity）、空间（Spatial）、时间（Temporal）和解读（Interpretation）。基于该模型，他们开发了TBSAM（信任边界语义分析与缓解）设计时框架，该框架能够从设计规范中识别TBSG、对其排序、追踪传播间隙至其起源边界，并映射到候选架构控制。论文通过回溯重建SolarWinds/SUNBURST供应链攻击案例，展示了TBSAM如何显式化接收域的假设、区分本地起源与传播性间隙，并识别出能中断攻击路径的控制措施。研究主要贡献包括：首次形式化TBSG概念、提出多维度分类模型、以及一个可操作的设计时分析框架。适合安全架构师、安全设计人员和研究人员阅读。

本文从形式语言理论的角度出发，针对基于注入的漏洞（如SQL注入、命令注入等）提出了一种新的防御思路。当前许多系统通过将用户输入与开发者编写的固定模板拼接来构造结构化命令（如SQL查询、XML文档或网络消息），但恶意用户可能通过精心构造输入改变命令的预期语义，导致注入攻击。现有解决方案多依赖于开发者的经验和警惕性，缺乏系统性保证。作者首先形式化定义了两个新的安全属性："意图等价性"（intent-equivalence）和"意图安全性"（intent-security）。意图等价性确保开发者编写的任何模板都不会导致恶意注入；意图安全性则保证语言中所有可能的模板都满足意图等价性，从而编程语言本身是安全的。基于这些定义，作者展示了新的设计模式可以帮助创建天然安全的编程语言。本文的主要贡献在于将注入漏洞的防御提升到语言设计层面，而非依赖运行时检测或输入验证，为从根本上消除注入漏洞提供了理论基础。