大语言模型赋能网络威胁情报分析:场景、风险和发展路径  

Large Language Models Empower Cyber Threat Intelligence Analysis:Scenarios,Risks,and Development Paths

作　　者：朱玥 Zhu Yue(University of International Business of Economics,Beijing 100029)

机构地区：[1]对外经济贸易大学国际关系学院,北京100029

出　　处：《情报杂志》2025年第4期23-30,共8页Journal of Intelligence

基　　金：国家社会科学基金青年项目“国际数字秩序构建中的意识形态风险及其防范策略研究”(编号:22CKS039)研究成果。

摘　　要：[研究目的]阐述大语言模型在网络威胁情报分析中的应用场景、应用风险,并提出大语言模型赋能网络威胁情报分析的发展路径,为推进大语言模型在网络威胁情报分析中的应用提供理论支撑。[研究方法]借助案例分析,从大语言模型的技术角度探讨其应用于网络威胁情报分析的主要场景与存在的风险挑战,并针对性地提出提升大语言模型赋能网络威胁情报分析的发展路径。[研究结果/结论]大语言模型有助于提升网络威胁情报分析的整体水平,完成网络威胁检测、大规模文本分析和网络威胁报告自动生成等威胁情报分析任务。面对数据稀缺、数据质量和模型算法偏见等问题,可以构建网络安全威胁的PPP机制,借助网络安全知识图谱和编码算法的创新以及多语种大语言模型的开发来提升大语言模型的网络威胁情报分析能力。[Research purpose]This paper explains the application scenarios and application risks of large language models(LLMs)in cyber threat intelligence(CTI)analysis,and proposes the development path of LLMs empowering CTI analysis,providing theoretical support for promoting the application of LLMs in CTI analysis.[Research method]With the help of case analysis,this article discusses the main scenarios and risks and challenges of using LLMs in CTI analysis from a technical perspective,and proposes a targeted development path to enhance the LLMs'ability to empower CTI analysis.[Research result/conclusion]LLMs can help improve the overall level of CTI analysis and complete threat intelligence analysis tasks such as cyber threat detection,large-scale text analysis,and automatic generation of cyber threat reports.In the face of problems such as data scarcity,data quality,and model algorithm bias,a PPP mechanism for cybersecurity threats can be constructed,and the CTI analysis capabilities of LLMs can be improved with the innovation of cybersecurity knowledge graph and encoding algorithm and the development of multilingual LLMs.

关 键 词：大语言模型 网络威胁情报 应用场景 风险挑战 发展路径 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术] G356[自动化与计算机技术—计算机科学与技术]