研一下第五周周报
这周把之前的一些图神经网络的论文看完了，作为之后继续使用机器学习和深度学习进行漏洞挖掘的基础。针对大型语言模型（LLM）在漏洞挖掘中的应用场景，当前阶段采用Prompt Engineering与检索增强生成（Retrieval-Augmented Generation, RAG）技术更具可行性。需说明的是，受限于实验环境算力资源及训练数据规模，暂时不具备对大型语言模型进行微调（Fine-tunin
·
这周把之前的一些图神经网络的论文看完了，作为之后继续使用机器学习和深度学习进行漏洞挖掘的基础。目前对于LLM应用漏洞挖掘上，感觉还是prompt和RAG更合适一点（微调的资源目前不具备）。另外漏洞挖掘工具的环境基本配置完成。
本周研究进展汇报如下：
这周把之前的一些图神经网络的论文看完了，作为之后继续使用机器学习和深度学习进行漏洞挖掘的基础。针对大型语言模型（LLM）在漏洞挖掘中的应用场景，当前阶段采用Prompt Engineering与检索增强生成（Retrieval-Augmented Generation, RAG）技术更具可行性。需说明的是，受限于实验环境算力资源及训练数据规模，暂时不具备对大型语言模型进行微调（Fine-tuning）的条件。最后，已完成漏洞挖掘工具的本地化部署与多环境适配测试。
更多推荐
6
0- 0
已为社区贡献1条内容
所有评论(0)