Sigma-Hunter以领域微调辅助Sigma规则生成
热点事件观察中
Sigma-Hunter以领域微调辅助Sigma规则生成
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Kemal Davaslioglu与Sastry Kompella提出并评估了面向Sigma规则生成和威胁狩猎的领域适配模型Sigma-Hunter。基于论文摘要，LoRA微调的7B Mistral版本在留出规则生成测试中总体得分8.17，高于最强通用基线的7.88和未调优Mistral的4.61。 训练集由3,635条已验证开源Sigma规则扩展为7,663个问答与分析师推理样本；源规则在扩展前即划分至训练、验证或测试集，避免跨集泄漏。评估涵盖语法、近似字段一致性，以及检测逻辑、完整性、选择性和日志源对齐度；模型可在本地运行，但Phi-4版本的结果未在摘要中说明。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 03:02
Sigma-Hunter：用于威胁狩猎与检测工程的领域专用语言模型报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · cs.AISigma-Hunter：用于威胁狩猎与检测工程的领域专用语言模型
论文摘要提出 Sigma-Hunter，一种用于 Sigma 规则生成与威胁狩猎的领域适配 LLM；其训练数据由 3,635 条已验证开源规则扩展为 7,663 个问答与分析师推理样本。LoRA 微调的 7B Mistral 版本总体得分 8.17，高于最强通用基线 7.88 和未调优 Mistral 的 4.61，且可在本地运行。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。