大模型赋能网安（七）：安全数据基座——当大模型遇见杀伤链与ATTCK

文章目录

1. 概要

2. 整体架构流程

3. 技术名词解释

4. 技术细节

5. 小结

---

概要

提示：这里可以添加技术概要

在网络安全运营中心（SOC）的日常工作中，最大的痛点并非缺乏数据，而是缺乏对数据的“认知”。传统的安全设备每天生成数以万计的离散告警（Alerts），如防火墙拒绝、异常进程启动等，但这些告警往往是孤立的。

大语言模型（LLM）的出现，为解决这一痛点提供了新的范式。本文的核心议题是：如何利用大模型作为“翻译官”，将底层的非结构化日志，映射到网络攻击杀伤链（Cyber Kill Chain）和 MITRE ATT&CK 这两大宏观战术框架中。

通过这种映射，大模型能够跨越“语义鸿沟”，不仅识别出单点威胁，更能基于时间维度（杀伤链）和空间维度（ATT&CK），自动构建出完整的攻击叙事（Attack Narrative），实现从“告警疲劳”到“态势感知”的跃迁。

---

整体架构流程

提示：这里可以添加技术整体架构

将大模型与安全框架结合的系统架构，本质上是一个检索增强（RAG）与语义推理的闭环流程。其核心流向如下：

1. 数据摄入层（Input）： 收集原始的异构数据，包括系统日志（Syslog）、终端检测响应日志（EDR）、流量包（PCAP）等。

2. 向量化处理层（Embedding）： 利用 Embedding 模型（如