У цій статті запропоновано методику формування причинно-наслідкових мереж (ПНМ) у сфері кібербезпеки за допомогою генеративного штучного інтелекту (ГШІ). Методика базується на ієрархічному зверненні до систем ГШІ, таких як ChatGPT, для визначення центрального вузла та рівнів ієрархії, а також для подальшого уточнення причинно-наслідкових зв.язків. Суть запропонованої методики полягає у визначенні центрального вузла та рівнів ієрархії, формуванні множини пов.язаних понять, візуалізації первинної казуальної мережі, взаємодії з роєм віртуальних експертів (РВЕ) для покращення точності й повноти мережі та формуванні кінцевої ПНМ. Розглянуто можливість використання програми Gephi для візуалізації графу, що представляє казуальну мережу. Приведено методику вибору та застосування порогу значущості для фільтрації незначних зв.язків з метою формування більш точної та повної кінцевої ПНМ для подальшого сценарного аналізу в сфері кібербезпеки. Розглянуто різні варіанти застосування порогу значущості відповідно до характеристик мережі, попередніх знань або аналізу тренувальних даних, а також на основі таких статистичних показників, як середнє значення ваги та стандартне відхилення. Проаналізовано можливість динамічного коригування порогу значущості на основі оцінки якості кінцевої мережі, з врахуванням таких її показників, як кількість кластерів, згуртованість мережі та значущість зв.язків. Наведено приклади запитів до систем ГШІ та результати їхнього виконання, які дозволяють краще зрозуміти процес формування мережі. Результати експериментів показують, що запропонована методика дозволяє ефективно формувати ПНМ, які можуть бути використані для подальшого сценарного аналізу в сфері кібербезпеки.