当前位置:首页 > 报告详情

揭露网络威胁:命令行数据与小型语言模型的碰撞.pdf

上传人: 竿*** 编号:981772 2025-11-29 40页 2.17MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
根据《SECTORCA Unmasking Cyber Threats: Command Line Data Meets Small Language Models》的内容,以下是全文关键点的概括: 1. **研究目标**:利用命令行数据和小型语言模型检测内部侦察攻击和命令行异常。 2. **攻击序列分析**:通过分析APT攻击序列,了解攻击者的行为模式。 3. **数据收集**:从网络安全研究论文、威胁分析报告、渗透测试文献等收集数据,Unix数据1070条,Windows数据3013条。 4. **数据处理**:对数据进行预处理,包括实体关联、详细日志、数据大小和加密或混淆命令的处理。 5. **模型方法**:使用Yara规则作为基线,结合大型和小型语言模型(如BERT、DistilBERT、LSTM等)进行异常检测。 6. **结果**:监督模型在Windows系统上的准确率达到95%,F1分数为94%;在Linux/Mac系统上的准确率达到87%,F1分数为88%。 7. **结论**:自然语言处理方法可扩展到命令行数据,所选方法对特定用例至关重要。
揭秘APT攻击" 识别异常命令序列" 如何检测内部侦察行为?"
客服
商务合作
小程序
服务号
折叠