【AI安全论文】ESWA25评估大模型在真实攻击活动中的恶意代码解混淆能力

本文将详细介绍评估LLMs在真实恶意软件活动的恶意代码解混淆能力，展示了大模型在有效去除载荷混淆方面的巨大潜力。

本文研究了大型语言模型（LLM）在Emotet恶意软件解混淆中的应用。结果显示，LLM在提取恶意脚本中的URL和域名方面表现良好，准确率分别为69.56%和88.78%。尽管模型尚不完美，但其在自动化威胁情报中的潜力显著，有望提升网络安全分析的效率与准确性。

Emotet ai 大型语言模型 大模型 威胁情报 安全 恶意代码 网络安全
原文中文，约8300字，阅读约需20分钟。发表于：。
阅读原文
分享给好友