Core Concepts
대규모 언어 모델의 사이버 보안 사건 분석 및 대응 능력을 향상시키기 위한 프레임워크 SEVENLLM을 소개한다.
Abstract
본 논문은 사이버 보안 사건 분석 및 대응 능력을 향상시키기 위한 SEVENLLM 프레임워크를 제안한다.
사이버 보안 관련 웹사이트에서 수집한 고품질 이중 언어 지침 코퍼스를 통해 데이터 부족 문제를 해결한다.
선택-지침 방법을 사용하여 원시 텍스트에서 질문-응답 쌍을 자동으로 생성하고, 이를 통해 SEVENLLM-Instruct 데이터셋을 구축한다.
SEVENLLM-Instruct를 사용하여 사이버 보안 LLM을 다중 작업 학습 목표로 미세 조정한다.
사이버 보안 LLM의 성능을 평가하기 위해 SEVENLLM-Bench 벤치마크를 구축한다.
실험 결과는 SEVENLLM이 사이버 위협 분석을 더 정교하게 수행하고 진화하는 사이버 위협에 대한 방어를 강화할 수 있음을 보여준다.
Stats
• 사이버 보안 사건 보고서 6,706개(영어) 및 1,779개(중국어)가 수집되었습니다.
• SEVENLLM-Instruct 데이터셋에는 약 85,000개의 샘플이 포함되어 있습니다.
• SEVENLLM-Bench 테스트 세트에는 1,200개의 샘플이 포함되어 있습니다.
Quotes
"사이버 보안 사건 분석 및 대응 능력을 향상시키기 위한 SEVENLLM 프레임워크를 소개한다."
"SEVENLLM은 사이버 위협 분석을 더 정교하게 수행하고 진화하는 사이버 위협에 대한 방어를 강화할 수 있다."