Large Language Models for Cyber Security: A Systematic Literature Review

最新推荐文章于 2025-06-02 22:39:23 发布

Soungkayou

最新推荐文章于 2025-06-02 22:39:23 发布

阅读量1.2k

点赞数 11

分类专栏： LLM网络安全论文文章标签：网络安全 web安全

本文链接：https://blog.csdn.net/m0_64764193/article/details/143375490

版权

首先，大模型正在广泛应用于网络安全任务，包括漏洞检测、恶意软件分析、网络入侵检测和网络钓鱼检测。
其次，这些任务中用于培训和评估法学硕士的数据集通常在规模和多样性上受到限制，这突出了对更全面和更具代表性的数据集的需求。
第三，确定了几种有前途的技术，使大模型适应特定的网络安全领域，如微调、迁移学习和特定领域的预训练。
最后，本文讨论了LLM4Security未来研究的主要挑战和机遇，包括对更多可解释和可解释模型的需求，解决数据隐私和安全问题的重要性，以及利用大模型进行主动防御和威胁搜索的潜力。

为了尽可能准确地收集和识别一组相关文献，本文采用“准黄金标准”（QGS）策略进行文献检索：

作者识别出41篇与LLM4Sec相关的论文，涵盖了各种技术、应用领域和评估方法。

LLM相关的关键词：大模型、LLM、语言模型、LM、预训练、CodeX、Llama、GPT-*、ChatGPT、T5、AIGC、AGI。
安全任务相关关键词：网络安全、Web安全、网络安全、系统安全、软件安全、数据安全、程序分析、程序修复、软件漏洞、CVE、CWE、漏洞检测、漏洞定位、漏洞分类、漏洞修复、软件漏洞、漏洞检测、漏洞定位、漏洞分类、漏洞报告、漏洞修复、安全操作、侵犯隐私、拒绝服务、数据中毒、后门、恶意软件检测、恶意软件分析、勒索软件、采购产品恶意命令，模糊测试，渗透测试，网络钓鱼，欺诈，诈骗，取证，入侵检测。

作者自动搜索集中在2019年之后发表的论文，搜索结果如下：

在此人工检查阶段后，156篇论文被纳入进一步的质量评估中。

本文标准改编自软件工程中系统审查的现有指导方针：

经过质量评估，93篇论文保留在入选集中。