利用大型语言模型调查最新无线网络中的网络安全事件

研究目的：基于现代生成模型检测网络安全事件并分析基于决策支持的分析，评估对抗信息安全威胁的措施有效性。研究方法：仿真 MIMO 系统的信号传播数据，合成对抗性样本，在机器学习模型上执行对抗攻击，微调大型语言模型以检测对抗攻击，基于 prompt 技术实现决策可解释性。科学新颖性：使用大型语言模型对数据投毒攻击进行二元分类，并调查大型语言模型用于调查最新一代无线网络网络安全事件的可能性。研究结果：对预备好的仿真无线网络片段进行大型语言模型微调。比较了六种大型语言模型用于检测对抗攻击的能力，并调查了基于各种可解释性 prompt 的大型语言模型决策解释能力。Gemma-7b 模型根据 Precision = 0.89、Recall = 0.89 和 F1-Score = 0.89 等指标表现最佳。基于各种可解释性 prompt，Gemma-7b 模型指出受研究数据中不一致之处，进行特征重要性分析，并提供 various recommendations for 缓解对抗攻击后果的 various recommendations。大型语言模型集成了网络威胁二元分类器，具有显著的实际应用潜力，可用于网络安全事件调查、决策支持和评估对抗信息安全威胁措施的有效性。