本研究探讨了大型语言模型在域生成算法检测中的应用，评估了上下文学习与有监督微调的效果。结果表明，使用领域特定数据的有监督微调显著提升了检测性能，准确率达到94%，假阳性率仅为4%。

该研究提出了一种新的训练方案，通过对抗潜在空间向量和离散化对抗域，提高了域生成算法（DGA）分类器的鲁棒性。研究结果显示，该方法可以提高分类器对已知和未知DGA的检测性能。