eX-NIDS: 一种利用大型语言模型增强网络入侵检测可解释性的框架
密码学与安全
2025-11-12 v1 人工智能
摘要
本文介绍了 eX-NIDS，这是一种旨在通过利用大型语言模型（LLM）来增强基于流的网络入侵检测系统（NIDS）可解释性的框架。在我们提出的框架中，被 NIDS 标记为恶意的流最初会通过一个名为提示增强器（Prompt Augmenter）的模块进行处理。该模块从这些流中提取上下文信息和网络威胁情报（CTI）相关知识。随后，这些经过丰富且特定于上下文的数据会与 LLM 的输入提示相整合，使其能够针对 NIDS 为何将该流识别为恶意生成详细的解释和说明。我们将生成的解释与基础提示解释器（Basic-Prompt Explainer）基线进行比较，后者未在 LLM 的输入提示中融入任何上下文信息。我们使用 Llama 3 和 GPT-4 模型对该框架进行了定量评估，采用了一种专为自然语言解释设计的新颖评估方法，重点关注其正确性和一致性。结果表明，经过提示增强的 LLM 能够生成准确且一致的解释，可作为 NIDS 中解释恶意流分类的宝贵补充工具。与基础提示解释器相比，增强提示的使用使性能提升了 20% 以上。
引用
@article{arxiv.2507.16241,
title = {eX-NIDS: A Framework for Explainable Network Intrusion Detection Leveraging Large Language Models},
author = {Paul R. B. Houssel and Siamak Layeghy and Priyanka Singh and Marius Portmann},
journal= {arXiv preprint arXiv:2507.16241},
year = {2025}
}