摘要

本文提出了一种新颖的入侵检测方法，通过将传统的基于签名的方法与GPT-2大语言模型（LLM）的上下文理解能力相结合。随着网络威胁日益复杂，尤其是在分布式、异构和资源受限的环境（如物联网（IoT）所支持的环境）中，对动态和自适应入侵检测系统（IDS）的需求变得越来越迫切。传统方法在检测已知威胁方面仍然有效，但往往无法识别新的和不断演变的攻击模式。相比之下，GPT-2擅长处理非结构化数据并识别复杂的语义关系，使其非常适合发现细微的零日攻击向量。我们提出了一个混合IDS框架，将基于签名技术的鲁棒性与GPT-2驱动的语义分析的适应性相结合。在代表性入侵数据集上的实验评估表明，我们的模型将检测准确率提高了6.3%，将误报率降低了9.0%，并保持了近实时的响应能力。这些结果肯定了语言模型集成在构建智能、可扩展和弹性的网络安全防御方面的潜力，适用于现代连接环境。

6页，IEEE会议

主题

密码学与安全（cs.CR）；人工智能（cs.AI）；机器学习（cs.LG）

引用

arXiv:2507.07413 [cs.CR]
（或此版本的 arXiv:2507.07413v1 [cs.CR]）
DOI: https://doi.org/10.48550/arXiv.2507.07413

提交历史

来自：Yazan Otoum [查看电子邮件] [v1]
2025年7月10日星期四 04:10:03 UTC（346 KB）

全文链接

访问论文：
查看题为“Hybrid LLM-Enhanced Intrusion Detection for Zero-Day Threats in IoT Networks”的PDF，作者：Mohammad F. Al-Hammouri 等3人
查看PDF
HTML（实验性）
TeX源
其他格式
查看许可证

当前浏览上下文

cs.CR
< 上一页 | 下一页 >
新 | 最近 | 2025-07
更改浏览方式：
cs
cs.AI
cs.LG

参考文献与引用

NASA ADS
Google Scholar
Semantic Scholar
导出BibTeX引用
加载中…

书目工具

书目和引用工具
书目资源管理器切换
书目资源管理器（什么是资源管理器？）
关联论文切换
关联论文（什么是关联论文？）
Litmaps切换
Litmaps（什么是Litmaps？）
scite.ai切换
scite智能引用（什么是智能引用？）

代码、数据、媒体

与此文章相关的代码、数据和媒体
alphaXiv切换
alphaXiv（什么是alphaXiv？）
代码链接切换
CatalyzeX论文代码查找器（什么是CatalyzeX？）
DagsHub切换
DagsHub（什么是DagsHub？）
GotitPub切换
Gotit.pub（什么是GotitPub？）
Huggingface切换
Hugging Face（什么是Huggingface？）
代码链接切换
Papers with Code（什么是Papers with Code？）
ScienceCast切换
ScienceCast（什么是ScienceCast？）

演示

演示
Replicate切换
Replicate（什么是Replicate？）
Spaces切换
Hugging Face Spaces（什么是Spaces？）
Spaces切换
TXYZ.AI（什么是TXYZ.AI？）

关于arXivLabs

arXivLabs：与社区合作者进行的实验项目
arXivLabs是一个框架，允许合作者直接在我们的网站上开发和共享新的arXiv功能。
与arXivLabs合作的个人和组织都接受并坚持我们的开放、社区、卓越和用户数据隐私的价值观。arXiv致力于这些价值观，并且只与遵守这些价值观的合作伙伴合作。
有一个能为arXiv社区增加价值的项目想法吗？了解更多关于arXivLabs的信息。

哪些作者是此文章的认可者？ | 禁用MathJax（什么是MathJax？）

关于

帮助
联系arXiv点击此处联系arXiv
订阅
订阅arXiv邮件点击此处订阅

版权

隐私政策
网络无障碍援助
arXiv运营状态
通过电子邮件或Slack获取状态通知

融合LLM的混合入侵检测系统：应对物联网零日威胁的创新方案

本文提出了一种结合传统签名检测与GPT-2大语言模型的混合入侵检测系统，针对物联网环境中的零日威胁。实验显示检测准确率提升6.3%，误报率降低9.0%，并保持近实时响应能力。

摘要

评论

主题

引用