基于 RAG 的网络攻击调查与归因问答解决方案
密码学与安全
2024-08-13 v1
摘要
在不断演变的网络安全领域，分析师必须关注最新的攻击趋势和有助于调查和归因网络攻击的相关信息。本文介绍了第一个提供网络攻击调查与归因信息给网络安全专家的问答（QA）模型及其应用。我们的 QA 模型基于检索增强生成（RAG）技术，结合大型语言模型（LLM），根据用户查询基于我们包含网络攻击调查与归因信息的知识库（KB），或根据用户提供的外部资源提供答案。我们对各种类型的问题进行了测试和评估，包括 KB 基础问题、元数据基础问题、来自 KB 的特定文档问题以及来自外部来源的问题。我们将基于 KB 的问题答案与 OpenAI 的 GPT-3.5 和最新 GPT-4o 大型语言模型的答案进行了比较。我们提出的 QA 模型通过提供答案来源并克服 GPT 模型的幻觉局限性，在网络攻击调查与归因方面表现优于 OpenAI 的 GPT 模型，这至关重要。此外，我们的分析显示，当 RAG QA 模型被赋予少量示例而非零样本指令时，会生成更好的答案。
引用
@article{arxiv.2408.06272,
title = {A RAG-Based Question-Answering Solution for Cyber-Attack Investigation and Attribution},
author = {Sampath Rajapaksha and Ruby Rani and Erisa Karafili},
journal= {arXiv preprint arXiv:2408.06272},
year = {2024}
}
备注
Accepted at SECAI 2024 (ESORICS 2024)