GPT-based self-supervised anomaly detection in command lines

doi:10.1007/s11416-026-00606-3

GPT-based self-supervised anomaly detection in command lines

2026-03-09

0

PRE

AI

Benjamin C. M. Fung *

DOI：10.1007/s11416-026-00606-3

原文链接

原文求助

摘要

En 中文

检测命令行异常对于系统安全至关重要，因为恶意或非预期的命令可能导致系统损坏或数据泄露等严重问题。传统方法依赖预定义规则或标记数据集，开发和维护耗时且难以适应不断变化的命令模式。本文介绍了一种新颖的自监督方法，用于检测命令行异常，采用从零训练的GPT模型。我们的方法通过利用前后上下文信息来恢复损坏的命令行，能够检测因错误、缺失或多余标记引起的异常。实验结果表明，该方法在评估基准上达到93.74%的检测准确率，显著优于之前的异常检测方法。此外，该模型在标记级别提供异常洞察，通过生成修正后的异常命令行版本，帮助安全人员验证问题。所提出的方法为系统安全的持续监控和改进提供了实用解决方案。

Keyword:

Anomaly Detection

Command Lines

GPT

Self-supervised Learning

Transformer

Cybersecurity

GPT-based self-supervised anomaly detection in command lines

摘要

期刊

机构

引用论文