研究人员通过整合来自Windows端点的系统、网络和浏览器日志，开发了一个新的多源网络安全数据集。该数据集包含870个会话和约230万个事件，并用特定的MITRE ATT&CK技术ID进行了标记，填补了现有公共数据集的空白。为了测试其效用，研究人员使用低秩适配（LoRA）对三个小型语言模型（SLMs）——Qwen2.5-1.5B、Llama-3.2-3B和Phi-4-Mini——进行了微调。微调将分块分类准确率从约8%显著提高到90-97%，但技术识别仍然是一个挑战，最佳精确匹配准确率为42%。 AI
影响 这个新数据集和微调后的SLM评估可以提高多阶段网络攻击的检测能力。
排序理由 该集群描述了一个新的学术数据集以及在arXiv上发布的、对该数据集现有模型的评估。
- Atlas Ai Model
- CICAPT-IIoT
- command and control
- Llama 3.2:3b
- LMDG
- Low Rank Adaptation
- Microsoft Windows
- Mitre
- Mitre ATT&CK
- Phi-4 Mini
- Qwen2.5-1.5B
- remote access trojan
- UNSW-NB15
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
