摘要
本发明涉及一种面向零信任安全的生成式威胁推断与验证方法和电子设备,方法包括如下步骤:步骤S1,获取恶意代码样本,通过多种特征提取方法从恶意代码样本中提取静态特征和动态特征,构建恶意代码数据库;步骤S2:基于所述恶意代码数据库,以实现恶意代码多分类为目的,利用提示学习的方法对大语言模型进行训练;步骤S3:利用预训练好的大语言模型对目标恶意代码进行多轮交互式分析和验证,得到威胁类型判断、攻击连分析和影响范围评估信息。与现有技术相比,本发明具有实现全面且深入的恶意代码威胁推断和验证、威胁推断准确性高等优点。
技术关键词
验证方法
静态特征
特征提取方法
样本
大语言模型
恶意软件分析
电子设备
交互历史
动态
下载器
程序
可读存储介质
存储器
木马
处理器
后门
指令
广告
病毒
系统为您推荐了相关专利信息
风险识别方法
交通流
鲸鱼优化算法
高斯核函数
超参数
智能高压开关柜
节点
监测系统
分布式模型
监测方法
休眠策略
小区
生成模型训练方法
历史流量数据
深度强化学习