DrLLM：基于大型语言模型的提示增强型分布式拒绝服务抵御方法
密码学与安全
2025-01-14 v3 人工智能
摘要
越来越多的分布式拒绝服务 (DDoS) 攻击对互联网构成了重大威胁，凸显了 DDoS 缓解的重要性。现有的大多数方法需要复杂的训练方法来学习数据特征，这增加了应用的复杂性和通用性。在本文中，我们提出了 DrLLM，旨在通过大型语言模型 (LLM) 在零样本场景下挖掘异常流量信息。为了弥合 DrLLM 与现有方法之间的差距，我们将流量数据的全局和局部信息嵌入到推理范式中，并设计了三个模块，即知识嵌入、Token 嵌入和渐进式角色推理，用于数据表示和推理。此外，我们探索了提示工程在网络安全领域的泛化，以提高 DrLLM 的分类能力。我们的消融实验证明了 DrLLM 在零样本场景中的适用性，并进一步证明了 LLM 在网络领域的潜力。DrLLM 实现代码已在 https://github.com/liuup/DrLLM 开源。
引用
@article{arxiv.2409.10561,
title = {DrLLM: Prompt-Enhanced Distributed Denial-of-Service Resistance Method with Large Language Models},
author = {Zhenyu Yin and Shang Liu and Guangyuan Xu},
journal= {arXiv preprint arXiv:2409.10561},
year = {2025}
}
备注
Accepted by ICASSP2025