从算法选择到大模型应用的实践及需要警惕的误区.docx

•按照网安标委2024首次u标准周会议组委会工作要求,我承担了一个大模

型与网络安全相关的报告任务,之后我上报了《大模型对网络安全的价值和

需要警惕的误区》的选题。

•因我对大模型领域也是在摸索尝试阶段,担心做全局梳理和提炼高度不够,于

是用自己熟悉的威胁检测与特征工程工作视角来带入,把算法选择问题作为

入口(第一节),也借着这次报告任务对我们自身的特征工程体系的工作轨

迹进行了梳理总结(第二节),之后展开几点泛化思考(第三节)。

•但为避免在公共技术会议中出现太多自身工作,因此在2024年6月24会议公开

报告的版本,在第二节只保留了两页内容,但也使报告内容完整型受到了影响,

这一分享版本是我的底稿我调整了报告标题并对错误作了修订。

•PPT中途做了两次小范围分享会有一些内容是不一致的,部分在内部复盘

时我们发现:由于相关工程演进长达20多年,我们有忘记了引擎或平台还有

年日初稿公开

2024612这个分支或机理的情况和我们长期对某个算法所适用的名称是不准确的情况

年日第三次修订

2024627(但这不影响正确的使用)。

Page2

1关于算法的纸面与现实

2从我们的特征工程运营实践看赋能体系的智能化演进

3对大模型的几点思考

1

/

/

具有大规模参数和负责计算结构的机器学习模型,由深度神经网络构建,能够提高模型的表达能力和更高的检测精度自适应学习能力实时响应复杂行为

预测性能,能够处理更加复杂的任务不和局数据限。分类任务的,超级的被认为是无敌的分析…、.大规模数据处理预测和预防能力