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

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

Transfer Learning in Pre-Trained Large Language Models for Malware Detection Based on System Calls

Pedro Miguel Sánchez Sánchez, Alberto Huertas Celdrán, Gérôme Bovet, Gregorio Martínez Pérez

TL;DR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。

Abstract

In the current cybersecurity landscape, protecting military devices such as communication and battlefield management systems against sophisticated cyber attacks is crucial. Malware exploits vulnerabilities through stealth methods, often evading traditional detection mechanisms such as

cybersecurity vulnerability detection large language models system call analysis malware detection

发现论文，激发创造

基于 LSTM 的系统调用语言建模与鲁棒集成方法，用于设计基于主机的入侵检测系统

本文提出了一种基于系统调用语言模型的异常主机入侵检测系统设计方法，采用新颖的集成方法以解决传统方法中高虚警率问题。在公共基准数据集上的实验表明，该方法具有高的有效性和可移植性。

Nov, 2016

LLbezpeky：利用大型语言模型进行漏洞检测

大规模语言模型 (LLM) 在检测安卓应用的漏洞方面表现出色，通过构建基于人工智能的工作流，能够帮助开发者识别和修复漏洞，并展示其有效性。实验证明，LLMs 在 Ghera 基准测试中能够准确标记不安全应用的案例达到 91.67%。此外，我们的实验还揭示了不同配置对真正阳性（TP）和假阳性（FP）率的影响。

Jan, 2024

使用大型语言模型进行漏洞检测的现状

通过实验发现，一些 LLM 在漏洞检测方面超越传统深度学习方法，揭示了 LLM 在加强软件安全方面的潜力。

Nov, 2023

利用大型语言模型进行软件漏洞检测：综合基准研究

通过使用大型语言模型（LLMs）来辅助发现源代码中的漏洞，相比传统的静态分析工具，我们发现 LLMs 能够找出更多问题，提高漏洞检测的回溯率和 F1 分数，从而使得代码更加安全。

May, 2024

大型语言模型在漏洞检测方面的能力综合研究

大型语言模型在漏洞检测方面的推理能力较差，常出现错误定位漏洞代码和错误识别漏洞类型的情况。

Mar, 2024

基于 Transformer 的语言模型用于软件漏洞检测

本研究探讨了如何利用基于 transformer 的语言模型来检测软件漏洞，研究了在处理具有多个漏洞的 C/C++ 源代码时，这些模型的性能如何，并发现与当时的双向 LSTM 和双向 GRU 等其他模型相比，这些语言模型在漏洞检测方面具有更好的性能指标。此外，该论文还分析了流行的平台来有效地进行微调，并在选择平台时提供了建议。

Apr, 2022

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

通过探索进行 Fine-Tuning 的大型语言模型，转变计算机安全与公众信任

探讨大型语言模型在恶意服务 Mallas 的滥用方面的有效性和漏洞，以及针对已识别漏洞生成代码和解释文本的微调方法。研究旨在揭示 Mallas 的操作策略和攻击技术，从而为开发更安全可信赖的人工智能应用程序提供指导。强调进一步研究、增强保护措施和伦理准则以应对大型语言模型恶意应用的风险。

Jun, 2024

透过上下文学习揭示基础大型语言模型的滥用潜力

大型语言模型的开源加速应用开发、创新和科学进步，但对于基础语言模型的固有指令限制是否可以防止滥用的普遍假设存在关键的疏忽。我们的研究通过精心设计的演示表明，基础语言模型能够有效地解释和执行恶意指令，此漏洞无需特殊知识或训练即可被操纵，强调了对基础语言模型安全协议的紧急关注的重大风险。

Apr, 2024

基于图像的恶意软件分类的迁移学习

本文研究利用图像分析进行恶意软件检测与分类问题，通过将可执行文件转化为图像并采用基于深度学习模型的图像识别，利用现有大数据集上的预训练深度学习模型进行迁移学习训练。通过与 k - 最邻近算法相比较，实验表明深度学习模型具有更好的泛化性能。

Jan, 2019