PLLM-CS：用于卫星网络中网络威胁检测的预训练大语言模型
密码学与安全
2024-05-10 v1
摘要
卫星网络在为各种关键基础设施提供通信服务方面至关重要。这些网络可以与多种系统无缝集成。然而，由于缺乏有效的入侵检测系统，其中一些系统存在漏洞，这可归因于相关研究有限以及部署、微调、监控和响应安全漏洞的高昂成本。为了应对这些挑战，我们提出了一种用于网络安全的预训练大语言模型，简称 PLLM-CS，它是预训练 Transformer [1] 的一种变体，包含一个用于将网络数据转换为上下文合适输入的专用模块。这种转换使所提出的 LLM 能够在网络数据中编码上下文信息。为了验证所提方法的有效性，我们使用两个公开可用的网络数据集 UNSW_NB 15 和 TON_IoT 进行了实证实验，这两个数据集均提供基于物联网（IoT）的流量数据。我们的实验表明，所提出的 LLM 方法优于 BiLSTM、GRU 和 CNN 等 SOTA 技术。值得注意的是，PLLM-CS 方法在 UNSW_NB 15 数据集上达到了 100% 的出色准确率，为该领域的基准性能设定了新标准。
引用
@article{arxiv.2405.05469,
title = {PLLM-CS: Pre-trained Large Language Model (LLM) for Cyber Threat Detection in Satellite Networks},
author = {Mohammed Hassanin and Marwa Keshk and Sara Salim and Majid Alsubaie and Dharmendra Sharma},
journal= {arXiv preprint arXiv:2405.05469},
year = {2024}
}