本研究提出了针对安全日志的预训练小型语言模型SecEncoder，解决了通用语言模型在特定领域的不足。研究表明，SecEncoder在多个任务上优于其他模型，证明领域特定预训练显著提升了安全领域的表现。

本研究提出了一种新方法TIPS，结合编码器和解码器语言模型，利用威胁情报提高恶意应用程序检测的准确性。实验结果表明，TIPS在恶意应用程序识别中达到了0.90的F-1分数，显著提升了安全响应效率。