1769220676
2026-01-24 01:25:00
Исследование было сосредоточено на преобразовании функций сетевого трафика в компактные подсказки на естественном языке, что позволяет эффективно адаптировать LLM даже на оборудовании с ограниченными ресурсами. Эксперименты проводились с использованием набора данных CICIOT2023, эталона для исследований безопасности Интернета вещей, для оценки производительности предлагаемой системы. Модель LLaMA-1B, настроенная с помощью QLoRA, достигла показателя F1 0,7124, что удивительно сопоставимо с показателем F1 0,7159, полученным с помощью базового уровня случайного леса (RF) для выявления известных атак. Это демонстрирует потенциал LLM для соответствия производительности признанным методам машинного обучения в критически важных приложениях безопасности.
Кроме того, исследование выявило значительные возможности для обнаружения атак с нулевым выстрелом. Благодаря использованию RAG система достигла точности 42,63% при определении невидимых типов атак без какого-либо дополнительного обучения. Эта возможность нулевого выстрела является важной инновацией, поскольку она позволяет системе адаптироваться к развивающимся угрозам в режиме реального времени, чего нет в традиционных моделях машинного обучения, которые требуют переобучения на новых данных. В работе установлено, что легкие LLM с улучшенным поиском представляют собой многообещающий путь к системам обнаружения вторжений IoT следующего поколения, предлагая как адаптируемость, так и эффективность использования ресурсов.
В этом исследовании представлена унифицированная структура на основе LLM, способная справляться как с известными, так и с неизвестными атаками, устраняя ключевое ограничение существующих решений кибербезопасности. Команда исследовала несколько LLM, предназначенных только для декодеров, GPT-2, LLaMA-3.2-1B, Meta-LLaMA-3-8B и Mistral-v0.3-7B, адаптировав их с помощью QLoRA для обнаружения многоклассовых атак IoT. Переформулируя числовые характеристики сети в краткие подсказки на естественном языке, система эффективно устраняет разрыв между структурированными данными и семантическим пониманием LLM. Результаты будут представлены на 7-й конференции по вычислительной технике, коммуникациям и приложениям Интернета вещей (ComComAp 2025) в Мадриде, Испания, в декабре 2025 года, что свидетельствует о ее вкладе в эту область.
QLoRA-LLaMA-1B соответствует точности обнаружения Интернета вещей в случайном лесу
В работе подробно описана единая структура на основе LLM, способная справляться как с известными, так и с неизвестными атаками, преодолевая ограничения традиционных систем обнаружения вторжений. Исследователи преобразовали функции числовых сетей в естественный язык, облегчив адаптацию LLM, предназначенных только для декодеров, таких как LLaMA-1B, GPT-2, LLaMA-3.2-1B, Meta-LLaMA-3-8B и Mistral-v0.3-7B, используя тонкую настройку QLoRA. Измерения подтверждают, что преобразование структурированного текста в текст имеет решающее значение для эффективной обработки и адаптации в условиях ограниченности ресурсов, что делает этот подход жизнеспособным для развертывания на устройствах Интернета вещей. Тесты доказывают эффективность методологии в различных архитектурах LLM, подчеркивая универсальность предлагаемой структуры. Этот прорыв обеспечивает практическое решение для обнаружения вторжений в Интернет вещей нового поколения, обеспечивающее адаптивность и эффективность использования ресурсов. Эксперименты, проведенные с набором данных CICIOT2023, показали, что модель LLaMA-1B, настроенная с помощью QLoRA, достигла показателя F1 0,7124, что близко соответствует производительности базового уровня случайного леса (0,7159) при обнаружении известных атак. Кроме того, система, усовершенствованная с помощью RAG, достигла точности 42,63% в определении невидимых типов атак без необходимости дополнительного обучения, продемонстрировав практическую способность нулевого выстрела, превосходящую традиционные методы машинного обучения.
Такое сочетание эффективности параметров и обоснования контекста на основе извлечения представляет собой масштабируемое решение для динамичной среды сред Интернета вещей. Авторы признают ограничение объема исследования, отмечая, что результаты были получены с использованием одного набора данных и необходима более широкая проверка с использованием различных тестов Интернета вещей. Будущие исследования будут сосредоточены на совершенствовании стратегий поиска, расширении баз знаний и изучении облегченных ансамблевых методов для улучшения обнаружения скрытых или перекрывающихся шаблонов атак.
#Llama1b #получил #оценку #за #обнаружение #сетевых #атак #IoT
Ещё по этой теме
