トピック: Mean Time to Detect

全セクション横断 4 件

LLMをサイバーセキュリティ分類に特化させるファインチューニングが、標準評価では検出不能な回避脆弱性を生み出すことが判明した。AI導入を加速するSOCやMSSP事業者に深刻なリスクをもたらす可能性がある。

最新研究により、大規模言語モデルをファインチューニングしても脆弱性検出の精度は偶然水準をわずかに上回るに過ぎず、真の安全性推論を欠くことが定量的に示された。セキュリティ投資の根拠が問われる。

英ケンブリッジ大学の研究者らが、複数の逆コンパイラ出力を大規模言語モデルに同時入力する手法を開発した。追加学習不要でマルウェア検知の再現率が改善し、企業のセキュリティ運用コスト削減に直結する成果として注目される。

米研究チームがシステム・ネットワーク・ブラウザの三種ログを統合したサイバー攻撃検知データセットを公開。小型言語モデルの精度が8%から最大97%へ向上し、企業のSOC運用コスト削減に直結する成果として注目される。