当前安全运营中心（SOC）面临的核心矛盾：业务数据量激增与用人成本之间的鸿沟，导致“告警疲劳”成为常态，统态势感知平台依赖安全工程师手动优化规则以实现告警降噪，无法灵活应对业务变更。而大模型的引入，则能自动理解告警上下文并适应业务变化，显著减少了人工调优的工作负担。

测试核心目标

评估网络安全大模型在提升告警研判效率和辅助安全事件响应方面的能力。

测试场景

• 告警降噪
• 关联分析
• 自动化处置
• 人机交互

GPU服务器硬件配置

CPU：2 X 32核-64线程
内存：32G*24

显卡：RTX4090D 24G*8卡
系统盘：960G
存储盘：8T*1
网卡：双口千兆
电源：3000W*4

告警降噪：

告警降噪效果对比

经测试验证大模型辅助告警降噪效果显著，滤除率高达90%以上，减少了人工维护规则工作量，显著降低运维成本。

需优化：尽管大模型降噪效果显著，但也存在偶发性错误问题，其研判结果仍需与专家经验形成闭环。

关联分析：

需优化： 在高度复杂的攻击场景中，随着推理步骤的增加，其分析结果的准确性与置信度会下降，可能出现“AI幻觉”。因此，建议将其输出作为研判的辅助参考。

自动化处置：

在自动化处置方面，高度依赖告警规则优化后所达到的高准确度。系统可利用大模型实现安全事件处置的全流程自动化：一键触发调查、生成处置建议并执行、同时自动生成响应预案，从而显著提升后续类似事件的处置效率。

需优化：当前异构环境中的主要挑战在于，不同厂商的设备对接不畅，功能协同性差。需打通这些异构设备通信问题，实现跨品牌的深度集成与协同联动。

人机交互：

系统支持以自然语言输入指令，大模型可快速理解并执行，如下发统计报备、查询告警或启动处置流程。

在通用知识问答方面，当前模型具备解答基础网络安全知识的能力，但受模型大小制约。

总而言之，当前阶段的网络安全大模型，其定位是作为安全专家的“智能副驾”，而非“无人驾驶”的替代者。它凭借超凡的数据处理与模式识别能力，极大地提升了威胁发现、分析和响应的效率，将工程师从重复性劳动中解放出来。未来，“人机协同 ”也将是网络安全领域不可逆转的演进方向。

文章链接：https://www.freebuf.com/articles/ai-security/451613.html