唯一入圍的網安垂域大模型！深信服安全GPT獲金融應用十佳卓越獎

2024-05-07 15:30:42 來源: 今日熱點網

4月28日,由中關村西城園管委會、北京市西城區總工會、北京金融科技產業聯盟和北京金融信息化研究所主辦,清華大學人工智能研究院支持,全球金融科技大會系列活動「大模型金融應用創新與實踐大賽」頒獎儀式圓滿舉辦,深信服安全GPT入選十佳卓越獎!

作為此次「大模型金融應用創新與實踐大賽」十佳卓越獎中唯一一個網絡安全垂直領域的大模型,深信服安全GPT針對金融機構在網絡安全運營中遇到的挑戰,提供了創新性的解決思路。

此次大賽收到了來自39家機構的68份應用實踐報告,經過前期初賽評審,共有25項應用實踐入圍終審。經過中國工程院院士柴洪峰、北京金融科技產業聯盟理事長/工商銀行首席技術官呂仲濤、中國金融電子化集團副總經理潘潤紅、中國銀行業協會系統服務部主任趙成剛、深圳證券交易所人工智能專家楊振新、中科院計算機網絡信息中心副研究員茍甜、百川智能聯合創始人洪濤、中關村天使百人會理事長肖慶平共8名專家的最終評審,深信服安全GPT與工商銀行、農業銀行、建設銀行、郵儲銀行、國泰君安、螞蟻和百度等頭部銀行與知名機構共同入圍十佳卓越獎!

深信服安全 GPT 作為國內首個通過深度合成服務算法備案的安全大模型,可協助金融機構完成流量檢測、事件解析、安全建議生成、安全事件處置等復雜工作,秒級閉環、百倍提效,從檢測能力和安全運營工作上賦能組織,對抗外部強敵。

檢測能力遠超傳統設備和通用大模型,

大幅提升金融機構「威脅檢測防御力」

金融機構信息系統復雜、網絡邊界分散、風險點位眾多,風險暴露面大,對威脅檢測防御能力要求高,傳統檢測引擎難以應對外部高對抗、高隱蔽的攻擊手段。

深信服安全GPT可以作為檢測引擎,賦能態勢感知、端點安全等傳統安全設備,具備對未知攻擊的意圖理解、異常判定、混淆還原能力,在流量威脅檢測和主機側釣魚攻擊檢測上都取得突破性的效果。

流量威脅檢出率高達95.7%,誤報率低至4.3%

深信服通過知識蒸餾、模型量化、模型剪枝、Attention機制優化等,將安全GPT推理性能提升50倍,實現了在實際網絡環境中,針對實時流量的實時檢測。

安全GPT檢測大模型能夠發現混淆、編碼類高繞過流量,并針對Web漏洞有良好檢出效果,具有較強Web 0day漏洞檢測能力,同時針對攻擊成功研判具有較高準確率。

安全GPT檢測大模型能力架構

經過3000w黑樣本與2000w白樣本檢測,對比傳統引擎,安全GPT的檢出率從45.6%提升至95.7%,誤報率從21.4%下降到4.3%。在某部委實際測試中,25個高混淆數據包(可繞過傳統引擎及通用大模型GPT-4),安全GPT檢出率100%,覆蓋Web通用攻擊、通用組件漏洞攻擊、混淆繞過攻擊和國家級攻防演練出現過的0 day/N day漏洞。

釣魚攻擊檢出率高達91.7%,遠超傳統解決方案

釣魚攻擊的難防在于,從技術角度看,釣魚郵件與正常郵件無異,普通人難以識別,而高混淆和形式多變的釣魚攻擊也難以用規則進行定義。

安全GPT 基于對自然語言的泛化理解能力,能夠對郵件和文件內容背后的意圖進行綜合評估和研判,就像聘請了一個懂攻防、懂技術、懂人情世故的防釣魚“安全專家”實時防守一樣,實現釣魚事件的精準檢測和處置。

釣魚郵件識別方法

通過3萬高對抗釣魚郵件、100萬白郵件檢測,對比傳統解決方案,安全GPT釣魚攻擊檢出率從15.7%飛升至91.4%,誤報率從0.15%降低至0.046%,效果超越傳統方案數倍。

提效90%,

金融行業的安全運營「新質生產力」

隨著金融行業數字化轉型步入深水區,銀行面臨的網絡安全數據規模和復雜性不斷增加,在網絡安全專業技術人員少,能力精力也存在瓶頸的前提下,如何對海量網絡安全告警進行快速分析研判,定位真實攻擊及高效響應處置?安全GPT給出了新的答案。

安全GPT通過自然語言對話的方式提供符合安全人員運營水平的差異化建議和運營路徑,承載 80% 安全運營操作,將海量告警的分析處置過程壓縮到數分鐘內,賦能初級安全工程師在5分鐘內對單一高級威脅進行閉環,將日常安全運營所花費的時間減少90%以上。

由于攻防的不對等,攻擊者常在非工作時間進行攻擊,安全GPT 2.0 智能駕駛提供7*24小時安全事件/告警自主值守,減少 92% 需多次手動的運營工作,平均威脅檢測時間(MTTD)/平均威脅響應時間(MTTR)減少 85%,運營人員1人即可守護數萬資產。