利用大语言模型刻画网络空间
人工智能
2024-11-12 v1 密码学与安全
机器学习
摘要
威胁狩猎分析大规模、噪声大、高维度的数据以发现稀疏的对抗行为。我们认为，无论对抗活动如何伪装，在高维空间中都极难完全掩盖。在本文中，我们利用这些网络数据的潜在特征，通过一个名为网络日志嵌入模型（CLEM）的原型工具来发现异常。CLEM 在来自真实生产网络和物联网（IoT）网络安全测试床的 Zeek 网络流量日志上进行了训练。该模型在数据的滑动窗口上被故意过度训练，以紧密刻画每个窗口。我们使用调整兰德指数（ARI）来比较 CLEM 输出的 k-means 聚类与嵌入的人工专家标注。我们的方法表明，利用自然语言模型来理解网络数据具有前景。
引用
@article{arxiv.2411.07089,
title = {Towards Characterizing Cyber Networks with Large Language Models},
author = {Alaric Hartsock and Luiz Manella Pereira and Glenn Fink},
journal= {arXiv preprint arXiv:2411.07089},
year = {2024}
}
备注
5 pages, 2 figures