基于大语言模型的漏洞信息识别方法及装置

本公开属于核电技术领域，具体涉及一种基于大语言模型的漏洞信息识别方法及装置。本公开针对某些CVE的PoC信息进行收集，并对部分数据进行人工标注，以人工标注的方式增强了训练数据的准确可靠性，从而提高后续模型的学习能力。通过利用GPT‑3.5‑turbo模型对CVE和PoC数据进行识别和总结，基于TTP内容形式对每条信息进行描述，将CVE和PoC信息统一为TTP标准格式，剔除了原始信息中的噪音干扰，能够增强大语言模型对关键信息特征的识别和学习能力，并使用指令微调技术提高GPT模型完成任务效果。基于微调完成后的Llama‑2模型，对输入的目标CVE和PoC信息进行识别处理，并基于输出判别CVE和PoC的关联关系。从而解决CVE与PoC关联识别时依赖人工分析的问题。