高成本效益的 AI 網絡安全方案： 小型模型
【香港】— 香港網絡安全事故協調中心(HKCERT)指出，AI驅動的網絡攻擊和詐騙是2025年必須留意的五大網絡安全風險之一。此外，網絡犯罪分子正利用AI開發與熱門話題相關的詐騙內容取信受害者。面對網絡風險大增，企業急需運用AI改進網絡安全防護，保障其用戶的安全。
大型語言模型（LLM）雖然在 AI 領域備受關注，但它們往往伴隨著高昂的成本。Sophos 即將發表的研究指出，網絡安全公司也能在有限預算下享受 AI 帶來的優勢，即結合使用小型 AI 模型。
Sophos 透過間歇性利用 LLM 有效地輔助訓練小型模型，開發出一系列運行快速且具商業可行性的 AI 模型，這些模型在惡意網站分類等任務上的表現已達到，甚至超越 LLM 的水平。
這方法的核心在於三種技術：知識蒸餾、半監督學習和合成數據生成。
知識蒸餾：大型模型將其學到的知識傳授給小型模型，提升小型模型的表現，同時避免大規模部署的高成本。這種方法也適用於不可忽視的標籤噪聲且無法人工重新標註的領域。
半監督學習：大型模型可為原本未標註的數據進行標註，從而為小型模型的訓練建立更豐富的數據集。
合成數據生成：大型模型生成新的合成數據樣本，使小型模型的訓練更加穩健。
( 內容由有關方面代表提供, 經編輯後刊登 )
