Dieser Artikel stellt CYGENT, einen KI-gestützten Cybersicherheits-Assistenten, vor, der von GPT-3.5-Turbo-Modellen angetrieben wird. CYGENT wurde entwickelt, um Systemadministratoren bei der Gewährleistung optimaler Leistung und unterbrechungsfreier Ressourcenverfügbarkeit zu unterstützen.
Der Schwerpunkt der Studie liegt auf der Feinabstimmung von GPT-3-Modellen für Cybersicherheitsaufgaben, einschließlich Konversations-KI und generativer KI, die speziell für Cybersicherheitsoperationen entwickelt wurden. CYGENT unterstützt Benutzer, indem es Cybersicherheitsinformationen bereitstellt, hochgeladene Protokolldateien analysiert und zusammenfasst, spezifische Ereignisse erkennt und wichtige Anweisungen liefert.
Der Konversations-Agent wurde auf Basis des GPT-3.5-Turbo-Modells entwickelt. Die Zusammenfassungsmodelle (GPT3) wurden unter Verwendung manuell generierter Datenpunkte feinabgestimmt und validiert. Mit diesem Ansatz wurde ein BERTScore von über 97% erreicht, was die verbesserte Fähigkeit von GPT-3 bei der Zusammenfassung von Protokolldateien in für Menschen lesbare Formate und der Bereitstellung notwendiger Informationen für Benutzer zeigt.
Darüber hinaus wurde eine vergleichende Analyse von GPT-3-Modellen mit anderen Large Language Models (LLMs) wie CodeT5-small, CodeT5-base und CodeT5-base-multi-sum durchgeführt, mit dem Ziel, Protokollanalysemethoden zu analysieren. Die Analyse zeigte durchgängig, dass das Davinci (GPT-3)-Modell alle anderen LLMs übertraf und eine höhere Leistung aufwies. Diese Erkenntnisse sind entscheidend für ein verbessertes menschliches Verständnis von Protokollen, insbesondere angesichts der steigenden Zahl von IoT-Geräten.
Darüber hinaus legt unsere Forschung nahe, dass das CodeT5-base-multi-sum-Modell in gewissem Maße eine mit Davinci vergleichbare Leistung bei der Zusammenfassung von Protokollen aufweist, was auf sein Potenzial als Offline-Modell für diese Aufgabe hindeutet.
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Prasasthy Ba... kl. arxiv.org 03-27-2024
https://arxiv.org/pdf/2403.17160.pdfDybere Forespørgsler