English(EN) Toward Autonomous SOC Operations: End-to-End LLM Framework for Threat Detection, Query Generation, and Resolution in Security Operations

大语言模型框架实现SOC运营自动化，将分类时间从数小时缩短至数分钟

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-01 04:00

研究人员开发了一个端到端框架，旨在自动化安全运营中心（SOC）内的关键工作流程。该系统集成了大语言模型组合用于威胁检测，准确率达到82.8%，误报率低。它还采用了一种新颖的架构，可跨不同SIEM平台生成精确查询，并通过将预测准确率从78.3%提高到90.0%来增强事件处置能力。该框架将事件分类时间从数小时显著缩短至10分钟以内，证明了领域约束型大语言模型在安全运营中的可行性。 AI

影响自动化SOC运营，缩短分类时间并提高威胁检测准确性。

排序理由详细介绍用于安全运营的新型大语言模型框架的学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Md Hasan Saju, Akramul Azim · 2026-05-01 04:00

迈向自主安全运营中心（SOC）运营：用于威胁检测、查询生成和安全运营中解决问题的端到端大语言模型（LLM）框架

arXiv:2604.27321v1 Announce Type: cross Abstract: Security Operations Centers (SOCs) face mounting operational challenges. These challenges come from increasing threat volumes, heterogeneous SIEM platforms, and time-consuming manual triage workflows. We present an end-to-end thre…

报道来源 [1]

迈向自主安全运营中心（SOC）运营：用于威胁检测、查询生成和安全运营中解决问题的端到端大语言模型（LLM）框架

相关实体

相关话题