理由付け可能な言語モデルによるサイバーセキュリティ検出分類

• セキュリティオペレーションセンターではアラート疲れが問題となっている。
• 本研究では、理由付けを行う言語モデルを用いて脅威の真偽を判断する分類器を提案。
• 特に、トレーニングされたキャリブレーターが重要な役割を果たす点が新しい。

セキュリティオペレーションセンターでは、検出アラートの数が多すぎてスタッフが対応しきれないという問題があります。本論文では、実際のWindowsエンドポイントの検出データを用いて、理由付けを行う言語モデルをトレーニングし、脅威の真偽を判断する新しい分類器を提案しています。特に、トレーニングされたキャリブレーターが高い信頼性を確保するために必要であることが示されており、従来の手法に比べて大幅な性能向上が見られます。サイバーセキュリティや機械学習に興味がある研究者や実務者にとって、非常に興味深い内容です。

サイバーセキュリティや機械学習に関心のある研究者や実務者に向いています。