Jun, 2023

运用大型语言模型革新网络威胁检测

HTML
PDF
TL;DR本文介绍了SecurityLLM，它是一个旨在检测网络安全威胁的预训练语言模型，其中SecurityBERT作为网络威胁检测机制，而FalconLLM则是一种事件响应和恢复系统，实验结果表明，我们的SecurityLLM模型可以在98%的准确率下识别14种不同类型的攻击。
发现论文，激发创造
  • SecureBERT：面向网络安全的领域特定语言模型

    本文提出了一个名为SecureBERT的新的自然语言处理模型，该模型已使用机器学习算法在大量网络安全数据上进行了训练，能够自动处理网络安全文本（例如CTI），并成功应用于自动化解决了许多重要的网络安全任务。

    Apr, 2022

  • CySecBERT: 面向网络安全的领域自适应语言模型

    本文介绍了一个特定于网络安全领域的语言模型，利用预训练的BERT模型，构建了一个数据集，并基于该数据集进行了fine-tuning，在15个不同的前沿任务中进行了比较，结果表明该模型在特定应用场景下表现最佳，并且在避免catastrophic forgetting方面效果良好。

    Dec, 2022

  • 大型语言模型（LLM）安全与隐私调查：优点、缺点和不好的一面

    这篇论文探讨了大型语言模型与安全和隐私的交叉领域，研究了它们对安全和隐私的积极影响、潜在的风险和威胁，以及模型本身的固有漏洞。通过全面的文献综述，将研究结果分为“有益”的应用、恶意应用和漏洞及其防御措施。论文还指出了需要进一步研究的领域，并希望通过该研究揭示大型语言模型在加强和危及网络安全方面的潜力。

    Dec, 2023

  • 网络安全中的大型语言模型：最新技术

    通过评估对进攻和防御应用的研究，本研究旨在提供对LLM驱动的网络安全领域中潜在风险和机遇的整体理解。

    Jan, 2024

  • 用于网络安全的大型语言模型：系统文献综述

    大型语言模型在网络安全领域的应用综述，包括漏洞检测、恶意软件分析、数据隐私等问题，指出了数据集大小与多样性的重要性以及未来研究方向。

    May, 2024

  • 基于系统调用的恶意软件检测的预训练大型语言模型中的迁移学习

    利用大型语言模型结合系统调用分析，通过重新训练检测恶意系统调用，该研究提出了一种新的框架来改进恶意软件的检测，实验表明具有更大上下文尺寸的模型能够实现更高的准确性和 F1 分数，这一方法在高风险环境中具有实时检测的潜力，为不断演变的网络威胁提供了稳固的解决方案。

    May, 2024

  • 生成人工智能与大型语言模型在网络安全中的应用洞见

    通过生成式人工智能和大型语言模型（LLM），该论文对未来的网络安全进行了全面回顾，并探讨了LLM在硬件设计安全、入侵检测、软件工程、设计验证、网络威胁情报、恶意软件检测和钓鱼检测等各个领域的应用。论文提供了将LLM集成到未来网络安全框架中的基础理解和战略方向，强调创新和强大的模型部署以保护免受不断演变的网络威胁。

    May, 2024

  • 高效入侵检测系统的变压器与大型语言模型：全面调查

    本研究解决了网络安全领域中对入侵检测系统（IDS）有效性提升的需求，特别是在利用变压器和大型语言模型（LLMs）方面。通过全面分析现有文献，作者提出了一种系统的方法论，并探索了不同架构在多种应用环境中的作用。研究发现，变压器和LLMs可显著增强网络威胁检测能力，为未来的网络安全研究提供了重要方向。

    Aug, 2024

  • 大型语言模型攻击与防御方法的最新进展

    本研究聚焦大型语言模型（LLMs）在安全性和可靠性方面的挑战，分析了现有的脆弱性和威胁模型。通过审查攻击机制和防御策略的现状，本文识别了研究中的空白，并提出了未来的研究方向，以推动LLM安全性的提升。

    Sep, 2024

  • 大型语言模型的攻击与防御方法的最新进展

    本研究针对大型语言模型（LLMs）所面临的安全性和可靠性问题进行了综述，特别是现有脆弱性和新兴威胁模型。通过分析攻击机制和当前防御策略的优缺点，识别研究空白，并提出未来加强LLM安全性的方向，旨在提升对其安全挑战的理解，促进更稳健的安全措施的发展。

    Sep, 2024