論文の概要: Large Language Models for Security Operations Centers: A Comprehensive Survey

• arxiv url: http://arxiv.org/abs/2509.10858v1
• Date: Sat, 13 Sep 2025 15:27:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.819122
• Title: Large Language Models for Security Operations Centers: A Comprehensive Survey
• Title（参考訳）: セキュリティ運用センターのための大規模言語モデル:包括的調査
• Authors: Ali Habibzadeh, Farid Feyzi, Reza Ebrahimi Atani,
• Abstract要約: 大きな言語モデル(LLM)は、人間のようなテキストを理解して生成する強力なツールとして登場した。 この調査は、生成的AIとより具体的にはLSMのSOCワークフローへの統合を体系的に調査する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models (LLMs) have emerged as powerful tools capable of understanding and generating human-like text, offering transformative potential across diverse domains. The Security Operations Center (SOC), responsible for safeguarding digital infrastructure, represents one of these domains. SOCs serve as the frontline of defense in cybersecurity, tasked with continuous monitoring, detection, and response to incidents. However, SOCs face persistent challenges such as high alert volumes, limited resources, high demand for experts with advanced knowledge, delayed response times, and difficulties in leveraging threat intelligence effectively. In this context, LLMs can offer promising solutions by automating log analysis, streamlining triage, improving detection accuracy, and providing the required knowledge in less time. This survey systematically explores the integration of generative AI and more specifically LLMs into SOC workflow, providing a structured perspective on its capabilities, challenges, and future directions. We believe that this survey offers researchers and SOC managers a broad overview of the current state of LLM integration within academic study. To the best of our knowledge, this is the first comprehensive study to examine LLM applications in SOCs in details.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、人間のようなテキストを理解し、生成する強力なツールとして登場し、多様なドメインにわたる変換可能性を提供している。 セキュリティ・オペレーション・センター(SOC、Security Operations Center)は、これらのドメインの1つである。 SOCはサイバーセキュリティにおける防衛の前線として機能し、継続的な監視、検出、インシデントへの対応を任務とする。 しかし、SOCは、高い警告量、限られたリソース、高度な知識を持つ専門家に対する高い需要、遅延応答時間、脅威インテリジェンスを効果的に活用することの難しさなど、永続的な課題に直面している。 このコンテキストでは、LLMはログ分析の自動化、トリアージの合理化、検出精度の向上、より少ない時間で必要な知識の提供によって、有望なソリューションを提供することができる。 この調査は、生成AI、より具体的にはLLMのSOCワークフローへの統合を体系的に検討し、その能力、課題、今後の方向性に関する構造化された視点を提供する。 本調査は,学術研究におけるLLM統合の現状について,研究者とSOC管理者に概説する。 我々の知る限りでは、SOCにおけるLCMの応用を詳細に研究する最初の総合的研究である。

関連論文リスト

• LLM-Based Human-Agent Collaboration and Interaction Systems: A Survey [34.275920463375684]
  大規模言語モデル(LLM)は、完全に自律的なエージェントの構築への関心が高まっている。 LLM-HASは、システムの性能、信頼性、安全性を高めるために、人為的な情報、フィードバック、制御をエージェントシステムに組み込む。 本稿は, LLM-HASの総合的かつ構造化された最初の調査である。
  論文  参考訳（メタデータ） (2025-05-01T08:29:26Z)
• A Comprehensive Survey in LLM(-Agent) Full Stack Safety: Data, Training and Deployment [320.24207137356495]
  本稿では, LLM のトレーニング, 展開, 商業化のプロセス全体を通して, 安全問題を体系的に検討する "フルスタック" の安全性の概念を紹介する。 我々の研究は800以上の論文を網羅的にレビューし、包括的カバレッジとセキュリティ問題の体系的な組織化を確保しています。 本研究は,データ生成の安全性,アライメント技術,モデル編集,LLMベースのエージェントシステムなど,有望な研究方向を特定する。
  論文  参考訳（メタデータ） (2025-04-22T05:02:49Z)
• A Survey on RAG Meeting LLMs: Towards Retrieval-Augmented Large Language Models [71.25225058845324]
  大規模言語モデル(LLM)は、言語理解と生成において革命的な能力を示している。 Retrieval-Augmented Generation (RAG)は、信頼性と最新の外部知識を提供する。 RA-LLMは、モデルの内部知識に頼るのではなく、外部および権威的な知識ベースを活用するために登場した。
  論文  参考訳（メタデータ） (2024-05-10T02:48:45Z)
• Large Language Models for Cyber Security: A Systematic Literature Review [14.924782327303765]
  サイバーセキュリティ(LLM4Security)における大規模言語モデルの適用に関する文献の総合的なレビューを行う。 LLMは、脆弱性検出、マルウェア分析、ネットワーク侵入検出、フィッシング検出など、幅広いサイバーセキュリティタスクに応用されている。 第3に、細調整、転送学習、ドメイン固有の事前トレーニングなど、特定のサイバーセキュリティドメインにLLMを適用するための有望なテクニックをいくつか特定する。
  論文  参考訳（メタデータ） (2024-05-08T02:09:17Z)
• A Survey on Detection of LLMs-Generated Content [97.87912800179531]
  LLMの生成する内容を検出する能力が最重要視されている。 既存の検出戦略とベンチマークの詳細な概要を提供する。 また、様々な攻撃から守るための多面的アプローチの必要性を示唆する。
  論文  参考訳（メタデータ） (2023-10-24T09:10:26Z)
• A Survey on Large Language Model based Autonomous Agents [105.2509166861984]
  大規模言語モデル(LLM)は、人間レベルの知性を達成する上で、顕著な可能性を示している。 本稿では,LLMに基づく自律エージェントの分野を総合的な観点から体系的に検討する。 本稿では、社会科学、自然科学、工学の分野におけるLLMベースの自律エージェントの多様な応用について概観する。
  論文  参考訳（メタデータ） (2023-08-22T13:30:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。