基于大语言模型的告警研判方法、装置、电子设备和存储介质与流程

摘要: 本发明涉及网络安全,尤其是涉及一种基于大语言模型的告警研判方法、装置、电子设备和存储介质。背景技术:1、在网络安全运营中,利用大语言模型辅助安全告警研判已成为提...
基于大语言模型的告警研判方法、装置、电子设备和存储介质与流程

本发明涉及网络安全,尤其是涉及一种基于大语言模型的告警研判方法、装置、电子设备和存储介质。

背景技术:

1、在网络安全运营中,利用大语言模型辅助安全告警研判已成为提升效率的重要手段。

2、然而,现有技术在实际应用中仍面临显著挑战。一方面,原始告警日志通常仅包含有限的字段信息,直接将此类孤立数据输入大语言模型进行推理时,模型因缺乏关键上下文(如进程链、文件内容、威胁情报等)而产生“幻觉”或误判,导致研判准确率不足;另一方面,不同类型的告警(如web入侵、终端病毒、异常登录等)其研判逻辑与所需信息差异巨大,采用通用的提示词模板难以适配特定场景的分析需求,泛化能力较差。此外,若对所有告警均无差别地执行全量上下文检索与复杂推理,将造成计算资源的极大浪费并增加响应延迟。

3、综上,传统的告警研判方法无法兼顾高的告警研判准确性与低的计算资源消耗的技术问题。

技术实现思路

1、有鉴于此,本发明的目的在于提供一种基于大语言模型的告警研判方法、装置、电子设备和存储介质,以缓解传统的告警研判方法无法兼顾高的告警研判准确性与低的计算资源消耗的技术问题。

2、第一方面,本发明提供了一种基于大语言模型的告警研判方法,所述方法包括:

3、获取安全告警事件的初始特征数据和分类属性;

4、基于所述分类属性评估上下文补充需求,响应于存在所述上下文补充需求,确定目标调查实体并执行对应的信息获取策略,得到补充上下文数据;

5、基于所述分类属性匹配推理指令模板,并将所述初始特征数据、所述补充上下文数据与所述推理指令模板组装为目标提示词;

6、通过大语言模型对所述目标提示词进行推理,得到告警研判结果。

7、进一步地,基于所述分类属性评估上下文补充需求,响应于存在所述上下文补充需求,确定目标调查实体,包括:

8、基于所述分类属性查询预设的上下文需求配置;

9、响应于所述上下文需求配置指示需要补充上下文数据,从所述初始特征数据中提取与所述上下文需求配置匹配的实体标识,将所述实体标识作为所述目标调查实体。

10、进一步地,执行对应的信息获取策略,得到补充上下文数据,包括:

11、确定所述目标调查实体的实体类型,所述实体类型包括进程标识、文件标识或网络地址中的至少一种;

12、从预制任务库中调用与所述实体类型匹配的探测接口;

13、在预设时间窗口内,通过所述探测接口执行进程链追溯、文件内容解析、主机状态查询或威胁情报匹配中的至少一种操作,获取与所述实体标识关联的多维关联数据,将所述多维关联数据作为所述补充上下文数据。

14、进一步地,基于所述分类属性匹配推理指令模板,并将所述初始特征数据、所述补充上下文数据与所述推理指令模板组装为目标提示词,包括:

15、根据所述分类属性从模板库中获取对应的所述推理指令模板,所述推理指令模板包含与所述分类属性适配的多个数据槽位;

16、将所述初始特征数据填充至所述多个数据槽位中的第一类槽位,并将所述补充上下文数据填充至所述多个数据槽位中的第二类槽位,生成所述目标提示词。

17、进一步地,通过大语言模型对所述目标提示词进行推理,得到告警研判结果,包括:

18、通过所述大语言模型基于所述目标提示词输出结构化的研判结果,所述结构化的研判结果包括恶意判定标识、置信度评分、分析摘要以及处置建议;

19、其中,所述恶意判定标识用于指示所述安全告警事件是否为真实恶意事件,所述置信度评分用于表征所述恶意判定标识的可靠程度,所述分析摘要用于描述所述大语言模型的推理逻辑。

20、进一步地,所述方法还包括:

21、响应于所述恶意判定标识指示所述安全告警事件为真实恶意事件,基于所述处置建议确定安全处置动作,并调用安全编排自动化与响应平台执行所述安全处置动作;

22、响应于所述恶意判定标识指示所述安全告警事件为误报事件,将所述初始特征数据添加至白名单库,以在后续获取所述安全告警事件时基于所述白名单库进行过滤。

23、进一步地,获取安全告警事件的初始特征数据和分类属性之前,所述方法还包括:

24、接收原始告警数据流;

25、基于白名单库对所述原始告警数据流进行匹配过滤,剔除命中所述白名单库的告警数据;

26、对过滤后的所述告警数据进行聚合处理,将满足预设聚合条件的同类告警数据合并为所述安全告警事件。

27、第二方面,本发明还提供了一种基于大语言模型的告警研判装置,所述装置包括:

28、获取单元,用于获取安全告警事件的初始特征数据和分类属性;

29、评估和确定单元,用于基于所述分类属性评估上下文补充需求,响应于存在所述上下文补充需求,确定目标调查实体并执行对应的信息获取策略,得到补充上下文数据;

30、匹配和组装单元,用于基于所述分类属性匹配推理指令模板,并将所述初始特征数据、所述补充上下文数据与所述推理指令模板组装为目标提示词;

31、推理单元,用于通过大语言模型对所述目标提示词进行推理,得到告警研判结果。

32、第三方面,本发明还提供了一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面所述方法。

33、第四方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行第一方面所述方法。

34、本发明提供的一种基于大语言模型的告警研判方法,包括:获取安全告警事件的初始特征数据和分类属性;基于分类属性评估上下文补充需求,响应于存在上下文补充需求,确定目标调查实体并执行对应的信息获取策略,得到补充上下文数据;基于分类属性匹配推理指令模板,并将初始特征数据、补充上下文数据与推理指令模板组装为目标提示词;通过大语言模型对目标提示词进行推理,得到告警研判结果。通过上述描述可知,本发明的基于大语言模型的告警研判方法中,通过基于告警分类属性来评估上下文补充需求,实现了按需获取补充上下文数据,避免了无差别全量检索带来的计算资源浪费与响应延迟,从而有效降低了研判过程的计算资源消耗;同时,通过基于分类属性匹配适配的推理指令模板,并将初始特征数据与补充上下文数据共同组装为目标提示词,为大语言模型提供了充分且针对性的决策依据,克服了因信息孤立导致的“幻觉”或误判问题,从而显著提升了告警研判的准确性。综上,本发明实现了兼顾高告警研判准确性与低计算资源消耗的技术效果。

1.一种基于大语言模型的告警研判方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,基于所述分类属性评估上下文补充需求,响应于存在所述上下文补充需求,确定目标调查实体,包括:

3.根据权利要求2所述的方法,其特征在于,执行对应的信息获取策略,得到补充上下文数据,包括:

4.根据权利要求1所述的方法,其特征在于,基于所述分类属性匹配推理指令模板,并将所述初始特征数据、所述补充上下文数据与所述推理指令模板组装为目标提示词,包括:

5.根据权利要求4所述的方法,其特征在于,通过大语言模型对所述目标提示词进行推理,得到告警研判结果,包括:

6.根据权利要求5所述的方法,其特征在于,所述方法还包括:

7.根据权利要求1所述的方法,其特征在于,获取安全告警事件的初始特征数据和分类属性之前,所述方法还包括:

8.一种基于大语言模型的告警研判装置,其特征在于,所述装置包括:

9.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行权利要求1至7中任一项所述的方法。