Newest papers

SecLog-Bench: A Scalable Benchmark for Cybersecurity Log Reasoning with Scaffolded Evidence

Yifan Wang, Dongliang Xu, Xiaoyong Li, Jing Li, Peter S. Pan, Yue Yao · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31000 · open-access PDF

Korean

대형 언어 모델 (LLMs)은 사이버 보안에 대한 강력한 잠재력을 보여 주었으며, LLM 기반의 자동화 된 사이버 보안 로그 분석에 대한 관심이 커지고 있습니다. 그러나 현재의 데이터 세트 (1)은 규모가 제한되어 있습니다; (2) 주로 단일 소스 증거에 의존하며; (3) 바이너리 또는 다중 클래스 공격 라벨 만 가지고 있으며, 이론 프로세스에 대한 밀접한 언급이 없습니다. 이러한 제한을 해결하기 위해 SecLog-Bench는 세 가지 핵심 기능을 가지고 있습니다. 첫째, 우리는 29 개의 공격 시나리오를 다루는 확장 가능한 시뮬레이션 플랫폼을 구축하고, 반복 실행 및 새로운 시나리오의 통합을 지원하며, 확장 가능한 장치를 가능하게합니다.

Machine translation (Meta M2M100); the English original follows.

Abstract

Large language models (LLMs) have shown strong potential for cybersecurity, leading to growing interest in LLM-based automated cybersecurity log analysis. However, current datasets (1) are limited in scale; (2) rely mainly on single-source evidence; and (3) have only binary or multi-class attack labels, without dense annotations of the reasoning process. To address these limitations, SecLog-Bench has three key features. First, we build an extensible simulation platform that covers 29 attack scenarios, supports repeated execution and the integration of new scenarios, and enables scalable genera

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange