该论文系统性地评估了大型语言模型（LLM）在网络安全决策任务中的结构化推理能力，特别是在防御选择场景下的表现。研究基于真实威胁场景（包括勒索软件、供应链入侵、云滥用、Kubernetes攻击、POS恶意软件以及ICS/OT入侵）生成的攻击图，要求LLM在给定预算约束下选择安全控制措施以最小化攻击者成功概率。作者将LLM的策略与博弈论优化基线（作为结构化推理的规范性参照）进行对比，并设计实验探究其鲁棒性。主要发现包括：1）当攻击图结构显式提供时，LLM能生成接近优化基线的连贯策略，表现出条件性胜任能力；2）然而这种能力非常脆弱，随着图复杂度增加而显著退化，且对提示措辞高度敏感——微小的提示变化可大幅改变策略排序，甚至仅将劣质策略重新标注为“最优”就能显著提升其评估分数；3）形式化风险与LLM判断之间存在非单调关系，即接近最优的策略并不一定被LLM评估器给予最高排名；4）当要求LLM为同一优化问题生成求解器时，它们能恢复正确的高层形式化，但扩展性远不及专用求解器。研究揭示了LLM在受控表示下可近似结构化安全推理，但无法稳健应用，对AI辅助安全决策支持系统的设计与评估具有重要启示。