——随着技术的快速发展和数字化进程的加速,网络安全威胁的频率和复杂性不断增加。传统的网络安全方法通常依赖于静态规则和预定义的场景,难以适应现代网络攻击的快速演变。迫切需要更加适应性强和智能化的防御策略。大型语言模型(LLM)的出现为应对日益严峻的网络威胁提供了创新的解决方案,其在分析复杂攻击模式、预测威胁以及辅助实时响应方面的潜力,已引起了网络安全领域的广泛关注,如何有效利用LLM防御网络攻击已成为当前研究领域的热点话题。本文从网络攻击生命周期的角度,考察了LLM的应用,重点分析了防御侦察、立足点建立和横向移动这三个阶段,探讨了LLM在网络威胁情报(CTI)任务中的潜力。同时,我们还研究了基于LLM的安全解决方案在不同网络场景中的部署和应用情况。本文还总结了LLM在应用过程中面临的内部和外部风险问题。最后,本综述还指出了所面临的风险问题以及可能的解决方向。

成为VIP会员查看完整内容
4

相关内容

深度学习模型反演攻击与防御:全面综述
专知会员服务
22+阅读 · 2月3日
生成扩散模型的攻击与防御:全面综述
专知会员服务
22+阅读 · 2024年8月11日
生成型大型语言模型的自动事实核查:一项综述
专知会员服务
36+阅读 · 2024年7月6日
大型语言模型网络安全综述
专知会员服务
63+阅读 · 2024年5月12日
《边缘计算网络安全最佳实践概述》
专知会员服务
38+阅读 · 2022年7月6日
专知会员服务
67+阅读 · 2021年1月10日
专知会员服务
53+阅读 · 2020年12月28日
机器学习模型安全与隐私研究综述
专知会员服务
112+阅读 · 2020年11月12日
「基于通信的多智能体强化学习」 进展综述
基于模型的强化学习综述
专知
36+阅读 · 2022年7月13日
【综述】生成式对抗网络GAN最新进展综述
专知
58+阅读 · 2019年6月5日
大数据安全技术浅析
计算机与网络安全
14+阅读 · 2019年4月24日
深度学习与计算机视觉任务应用综述
深度学习与NLP
50+阅读 · 2018年12月18日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
综述——隐私保护集合交集计算技术研究
计算机研究与发展
22+阅读 · 2017年10月24日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
Arxiv
166+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
453+阅读 · 2023年3月31日
Arxiv
76+阅读 · 2023年3月26日
Arxiv
166+阅读 · 2023年3月24日
Arxiv
24+阅读 · 2023年3月17日
VIP会员
相关VIP内容
深度学习模型反演攻击与防御:全面综述
专知会员服务
22+阅读 · 2月3日
生成扩散模型的攻击与防御:全面综述
专知会员服务
22+阅读 · 2024年8月11日
生成型大型语言模型的自动事实核查:一项综述
专知会员服务
36+阅读 · 2024年7月6日
大型语言模型网络安全综述
专知会员服务
63+阅读 · 2024年5月12日
《边缘计算网络安全最佳实践概述》
专知会员服务
38+阅读 · 2022年7月6日
专知会员服务
67+阅读 · 2021年1月10日
专知会员服务
53+阅读 · 2020年12月28日
机器学习模型安全与隐私研究综述
专知会员服务
112+阅读 · 2020年11月12日
相关资讯
「基于通信的多智能体强化学习」 进展综述
基于模型的强化学习综述
专知
36+阅读 · 2022年7月13日
【综述】生成式对抗网络GAN最新进展综述
专知
58+阅读 · 2019年6月5日
大数据安全技术浅析
计算机与网络安全
14+阅读 · 2019年4月24日
深度学习与计算机视觉任务应用综述
深度学习与NLP
50+阅读 · 2018年12月18日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
综述——隐私保护集合交集计算技术研究
计算机研究与发展
22+阅读 · 2017年10月24日
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
微信扫码咨询专知VIP会员