TL;DR
- v1 نوع اعلان: جدید چکیده: از دستور Chain-of-Thought (CoT) برای افزایش قابلیت استدلال LLM استفاده شده است.
- با این حال،.
- قابلیت اطمینان آن در وظایف تحلیلی حساس به امنیت به اندازه کافی مورد بررسی قرار نگرفته است،.
چه اتفاقی افتاد
v1 نوع اعلان: جدید چکیده: از دستور Chain-of-Thought (CoT) برای افزایش قابلیت استدلال LLM استفاده شده است. با این حال،.
قابلیت اطمینان آن در وظایف تحلیلی حساس به امنیت به اندازه کافی مورد بررسی قرار نگرفته است،. به ویژه در ارزیابی ساختار یافته انسانی.
برای کمک به بهبود عملکرد میتوان از روشهای جایگزین، مانند مقیاسبندی مدل و تنظیم دقیق استفاده کرد. این روشها همچنین اغلب پرهزینه، محاسباتی فشرده و یا حسابرسی دشوار هستند.
در مقابل، مهندسی سریع مکانیزمیسبک، شفاف و قابل کنترل برای هدایت استدلال LLM فراهم میکند. این مطالعه یک چارچوب مهندسی سریع ساختاریافته را پیشنهاد میکند که برای تقویت یکپارچگی استدلال CoT و در.
عین حال بهبود قابلیت اطمینان تهدید امنیتی و تشخیص حمله در استقرارهای محلی LLM طراحی شده است. این چارچوب شامل 16 عامل است که در چهار بعد اصلی گروه بندی شده اند:.
(1) کنترل زمینه و محدوده،. (2) زمینه سازی شواهد و قابلیت ردیابی،.
(3) ساختار استدلال و کنترل شناختی،. و (4) محدودیتهای تحلیلی ویژه امنیتی.
بهجای بهینهسازی عبارت اعلان به صورت اکتشافی،. این چارچوب،.
کنترلهای استدلال صریح را برای کاهش توهم و جلوگیری از انحراف استدلال،. و همچنین تقویت قابلیت تفسیر در زمینههای حساس امنیتی معرفی میکند.
با استفاده از تشخیص حمله DDoS در ترافیک SDN بهعنوان یک مطالعه موردی،. خانوادههای مدل چندگانه تحت شرایط تحریک ساختاریافته و بدون ساختار مورد ارزیابی قرار گرفتند.
تجزیه و تحلیل مرز پارتو و آزمایشهای فرسایش،. پیشرفتهای استدلال ثابت (تا 40 ٪ در مدلهای کوچکتر) و افزایش دقت پایدار در مقیاسها را نشان میدهند.
ارزیابی انسانی با توافق بین ارزیاب قوی (کوهن k > 0. 80) استحکام را تایید میکند.
نتایج،. تحریک ساختاریافته را بهعنوان یک رویکرد موثر و عملی برای قابل اعتماد و تجزیه و تحلیل امنیت سایبری.
مبتنی بر هوش مصنوعی قابل توضیح.
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.