基于图基础模型的可靠横向移动检测器设计
密码学与安全
2025-04-21 v1 机器学习
摘要
基础模型最近在机器学习中出现了一种新范式。这些模型在大型且多样化的数据集上进行预训练，随后可以应用于各种下游任务，几乎无需重新训练。这使得没有高级机器学习专业知识的人能够构建机器学习应用程序，加速了多个领域的创新。然而，基础模型在网络流量捕获或二进制可执行文件等数据的高效处理方面的能力限制了其在网络安全领域的应用。最近引入的图基础模型（GFM）可能会产生重大影响，因为图非常适合表示这些类型的数据。我们通过具体的一个用例，即横向移动检测，来研究GFM在网络安全中的可用性。使用预训练的GFM，我们构建了一个在针对特定领域数据进行任何训练的情况下即可达到最先进性能的检测器。这一案例研究因此为GFM在网络安全领域的潜力提供了有说服力的证据。
引用
@article{arxiv.2504.13527,
title = {Designing a reliable lateral movement detector using a graph foundation model},
author = {Corentin Larroche},
journal= {arXiv preprint arXiv:2504.13527},
year = {2025}
}