编者荐语

本文创新性地将大语言模型应用于网络安全威胁检测，构建了基于BERT模型的新架构，融合自然语言处理技术，实现了对高级持续威胁和零日攻击的高效精准识别。

本文发表于《通信技术》2024年9期。

引用格式：李镭 , 郭志君 , 罗淑丹. 网络安全威胁检测中基于大语言模型的实时分析策略研究[J]. 通信技术 ,2024,57(9):949-954.

摘　要

随着网络技术的发展，网络安全威胁检测成为信息安全的重要研究课题。传统方法难以应对日益增长的数据量和复杂的攻击手段。基于大语言模型的实时分析策略在威胁检测中展现出独特优势。研究构建了一种基于来自 Transformers 的双向编码器表示（Bidirectional EncoderRepresentationsfrom Transformers，BERT）模型的新架构，整合自然语言处理技术，提出了包含句子结构分析、语义关联识别和异常模式识别的多层检测算法。对比传统方法，该策略对高级持续威胁（Advanced Persistent Threat，APT）和零日攻击的检测率超过95%，且误报率较低。模型训练和测试集涵盖广泛攻击场景，可以确保检测前瞻性和广泛适用性。该策略不仅在技术层面创新，还提升了网络安全防御的实效性，显示出良好的适应性和扩展性，未来有望成为网络安全防御的新范式。

论文结构

0　引　言

1　网络安全威胁及检测技术概述

2　大语言模型简介

2.1　模型与架构原理

2.2　应用于威胁检测的潜力

3　实时分析策略

3.1 策略设计与实现

3.2 效率与准确性评估

4　结　语

作者简介

  • 李 镭（1979—），男，硕士，高级工程师，主要研究方向为网络安全；
  • 郭志君（1984—），女，硕士，高级工程师，主要研究方向为网络安全；
  • 罗淑丹（1984—），女，硕士，高级工程师，主要研究方向为网络安全。