English(EN) Threat Modelling using Domain-Adapted Language Models: Empirical Evaluation and Insights

领域适应性LLM在5G威胁建模方面表现不一

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-11 16:31

研究人员使用STRIDE方法评估了用于5G安全威胁建模的领域适应性语言模型。他们的实证研究涉及8个语言模型的52种配置，发现领域适应性并未像通用模型那样持续提高性能。解码策略和模型规模显示出显著影响，但更大的模型并不能保证可靠的威胁建模，这表明需要更好的特定任务推理和安全基础。 AI

影响凸显了当前LLM在结构化威胁建模方面的局限性，表明需要改进安全推理。

排序理由评估LLM在特定网络安全任务中的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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) · Ashraf Matrawy · 2026-05-11 16:31

Threat Modelling using Domain-Adapted Language Models: Empirical Evaluation and Insights

Large Language Models(LLMs) are increasingly explored for cybersecurity applications such as vulnerability detection. In the domain of threat modelling, prior work has primarily evaluated a number of general-purpose Large Language Models under limited prompting settings. In this …