本地部署的小型语言模型与商业大语言模型：SOC 和 CSIRT 中的提示工程与事件分类
密码学与安全
2025-11-20 v1 人工智能
机器学习
摘要
在本研究中，我们评估了用于安全事件分类的开源模型，并将其与专有模型进行比较。我们使用一组匿名化的真实事件数据集，按照 NIST SP 800-61r3 分类体系进行标注，并使用五种提示工程技术（PHP、SHP、HTP、PRP 和 ZSL）进行处理。结果表明，尽管专有模型仍表现出更高的准确率，但本地部署的开源模型在隐私保护、成本效益和数据主权方面具有优势。
引用
@article{arxiv.2511.14908,
title = {On-Premise SLMs vs. Commercial LLMs: Prompt Engineering and Incident Classification in SOCs and CSIRTs},
author = {Gefté Almeida and Marcio Pohlmann and Alex Severo and Diego Kreutz and Tiago Heinrich and Lourenço Pereira},
journal= {arXiv preprint arXiv:2511.14908},
year = {2025}
}
备注
5 pages, 3 figures, 3 tables, submitted to ERRC/WRSeg 2025