图文详情

大模型重构恶意软件检测：提示词|智能体|RAG实践

正版全新

作者: 林敬勤
出版社: 清华大学出版社
ISBN: 9787302717652
出版时间: 2022-12

装帧: 其他
开本: 16开
纸张: 胶版纸

作者: 林敬勤
出版社: 清华大学出版社
ISBN: 9787302717652

出版时间: 2022-12
装帧: 其他

开本: 16开
纸张: 胶版纸

售价 61.77 6.9折

定价￥89.00

品相全新

优惠

发货

承诺48小时内发货

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2026-07-28

数量: 库存11件

立即购买加入购物车收藏

卖家超过10天未登录

六年老店

经管法律专营店

店铺等级

资质认证

90天平均

成功完成

93.88% (51笔)

好评率

100%

发货时间

13.2小时

店主

经管法律专营店

联系

在线交谈离线留言

地址

天津市南开区

电话

联系卖家

进店逛逛收藏店铺

商品详情
店铺评价

立即购买加入购物车收藏

手机购买

微信扫码访问

商品分类：

计算机与互联网

货号：

5048296

商品描述：

【书    名】大模型重构恶意软件检测：提示词|智能体|RAG实践
【书    号】 9787302717652
【出版社】清华大学出版社
【作    者】林敬勤
【出版日期】 2026-06-01
【开    本】 16开
【定    价】 89.00元

【编辑推荐】
1.从特征建模到逆向智能体，手把手教你用LLM自动化分析恶意代码。2.告别手动分析沙箱报告，让本地大模型成为你的7?24小时安全搭档。3.配套代码即拿即用，覆盖RAG与Agent，真正提升安全分析效率。

【内容简介】
本书系统阐述大语言模型在恶意代码检测与分析领域的应用，旨在通过LLM提升安全分析的效率与准确性。全书共11章，结构清晰、层层递进：第1、2章回顾恶意软件检测技术的发展历程，并介绍LLM的基本原理与本地部署方法；第3、4章聚焦静态特征建模与Prompt工程，为样本处理提供标准化方案；核心实战部分（第5、6、9章）涵盖三大典型场景——基于LLM的静态特征分析、沙箱报告的自动化生成，以及基于radare2的逆向智能体开发，展示如何利用本地或云端模型实现自动化分析；第7、8章聚焦能力增强方向，引入Agent概念以构建简易的恶意脚本自动化分析系统，并进一步探讨检索增强生成（RAG）与多模型协作机制；第10、11章分析LLM在安全应用中的潜在风险，并展望由大模型驱动的安全自动化未来。本书提供配套代码与模板资源，适合安全研究人员、恶意代码分析师、AI安全方向开发者及高校相关专业学生阅读参考。

【目录】
第*部分大语言模型导论?

第 1 章大语言模型概述????????????????????????????? 2?

1.1 什么是大语言模型????????????????????????? 3?

LLM 的定义????????????????????????????????? 5?

1.2 流行的现代 LLM??????????????????????????? 6?

1.2.1 BERT ???????????????????????????????? 6?

1.2.2 GPT 家族与 ChatGPT ???????????? 7?

1.2.3 T5 ???????????????????????????????????? 8?

1.2.4 Llama ???????????????????????????????? 8?

1.3 LLM 的关键特征??????????????????????????? 9?

1.4 理解上下文的重要性????????????????????? 12?

1.5 LLM 的工作原理?????????????????????????? 12?

1.5.1 预训练阶段???????????????????????? 13?

1.5.2 迁移学习??????????????????????????? 15?

1.5.3 微调????????????????????????????????? 15?

1.5.4 注意力?????????????????????????????? 16?

1.5.5 嵌入????????????????????????????????? 18?

1.5.6 标记化?????????????????????????????? 18?

1.5.7 超越语言建模：模型对齐与基于人类反馈的强化学习 ???????????????????????????? 21?

1.5.8 领域特定大语言模型???????????? 22?

1.6 LLM 的应用???????????????????????????????? 23?

1.6.1 经典 NLP 任务???????????????????? 23?

1.6.2 自由文本生成????????????????????? 26?

1.6.3 信息检索 / 神经语义搜索??????? 27?

1.6.4 聊天机器人???????????????????????? 28?

1.7 总结?????????????? 29?

第 2 章使用 LLM 进行语义搜索 ?????????????????30?

2.1 引言?????????????????????????????? 30?

2.2 任务背景???????????????????????????????????? 31?

非对称语义搜索??????????????????????????? 31?

2.3 解决方案概览?????????????????????????????? 33?

2.4 核心组件???????????????????????????????????? 34?

2.4.1 文本嵌入器???????????????????????? 34?

2.4.2 如何判断文本片段的“相似性” ????????????????????? 34?

2.4.3 文档分块??????????????????????????? 38?

2.4.4 向量数据库???????????????????????? 43?

2.4.5 重新排序检索结果??????????????? 44?

2.4.6 API ?????????????????????????????????? 45?

2.5 整合全局：让一切运转起来???????????? 46?

性能评估???????????????????????????????????? 47?

2.6 闭源组件的成本??????????????????????????? 50?

2.7 总结?????????????????????????????????????????? 50?

第 3 章提示工程入门??????????????????????????????? 51?

3.1 引言?????????????????????????????????????????? 51?

3.2 提示工程???????????????????????????????????? 51?

3.2.1 语言模型中的对齐??????????????? 52?

3.2.2 直接询问??????????????????????????? 53?

3.2.3 当“直接询问”不再奏效?????? 55?

3.2.4 少样本学习???????????????????????? 55?

3.2.5 输出格式化???????????????????????? 56?

3.2.6 人设提示??????????????????????????? 57?

3.2.7 思维链提示???????????????????????? 58?

3.2.8 示例：基础算术?????????????????? 59?

3.3 跨模型使用提示??????????????????????????? 59?

3.3.1 聊天模型补全模型??????????????? 59?

3.3.2 Cohere 的 Command 系列 ?????? 61?

3.3.3 开源模型的提示工程???????????? 62?

3.4 总结????????????????????????? 64?

第 4 章 AI 生态系统：整合各个组件????????????65?

4.1 引言?????????????????????????????????????????? 65?

4.2 闭源 AI 的性能漂移 ?????????????????????? 65?

4.3 AI 的推理与思考之别 ???????????????????? 67?

4.4 案例研究 1：检索增强生成（ RAG）?? 68?

4.4.1 组件协作：检索器与生成器??? 69?

4.4.2 评估 RAG 系统??????????????????? 74?

4.5 案例研究 2：自动化 AI 智能体 ???????? 76?

4.5.1 思考 ? 行动 ? 观察 ? 响应 ? 76?

4.5.2 评估 AI 智能体 ??????????????????? 81?

4.6 总结????????????????????????? 82?

第二部分充分发挥 LLM 的价值?

第 5 章利用定制微调优化 LLM ?????????????????84?

5.1 引言?????????????????????????????????????????? 84?

5.2 迁移学习与微调：入门指南???????????? 85?

5.2.1 微调流程详解????????????????????? 86?

5.2.2 以闭源预训练模型为基础?????? 88?

5.3 OpenAI 微调 API 一览 ??????????????????? 88?

5.3.1 OpenAI 微调 API????????????????? 88?

5.3.2 案例研究：应用评论情感分类 88?

5.3.3 数据准则和*佳实践???????????? 89?

5.4 使用 OpenAI CLI 准备自定义示例 ???? 90?

5.5 设置 OpenAI CLI?????????????????????????? 92?

超参数选择与优化???????????????????????? 93?

5.6 我们的第*个微调 LLM????????????????? 93?

5.6.1 使用定量指标评估微调模型??? 94?

5.6.2 定性评估技术????????????????????? 97?

5.6.3 将微调后的 OpenAI 模型集成到应用中???????????????? 100?

5.6.4 OpenAI 对决开源自编码 BERT ?????????????????? 100?

5.7 总结??????????????????? 102?

第 6 章高级提示工程????????????????????????????? 103?

6.1 引言???????????????????????????????????????? 103?

6.2 提示注入攻击???????????????????????????? 103?

6.3 输入 / 输出验证 ????????????????????????? 105?

示例：使用 NLI 构建验证管道 ?????? 106?

6.4 批量提示?????????????????????????????????? 108?

6.5 提示链???????????????????????????? 109?

6.5.1 使用提示链防止提示堆砌?????111?

6.5.2 示例：使用多模态 LLM 进行安全链式操作????????????113?

6.6 案例研究： AI 的数学有多好???????????115?

6.6.1 我们的数据集： MathQA???????115?

6.6.2 展示你的计算过程？测试思维链?????????????????117?

6.6.3 用少样本示例鼓励 LLM?????? 120?

6.6.4 示例重要吗？重访语义搜索? 121?

6.6.5 总结 MathQA 数据集的结果? 122?

6.7 总结???????????????????????????????????????? 124?

第 7 章定制嵌入与模型架构???????????????????? 125?

7.1 引言?????????????????? 125?

7.2 案例研究：构建推荐系统????????????? 125?

7.2.1 设置问题和数据???????????????? 126?

7.2.2 定义推荐问题??????????????????? 127?

7.2.3 推荐系统的宏观视角?????????? 129?

7.2.4 生成自定义描述字段以比较物品???????????? 132?

7.2.5 使用基础嵌入器设定基线???? 133?

7.2.6 准备微调数据??????????????????? 134?

7.2.7 结果总结????????????????????????? 138?

7.3 总结??????????????? 141?

第 8 章 AI 对齐的第*性原理??????????????????? 142?

8.1 引言???????????????????????????????????????? 142?

8.2 对齐的对象与目的?????????????????????? 142?

8.2.1 指令对齐????????????????????????? 142?

8.2.2 行为对齐????????????????????????? 143?

8.2.3 风格对齐????????????????????????? 145?

8.2.4 价值对齐????????????????????????? 146?

8.3 对齐作为偏见缓解器??????????????????? 147?

8.4 对齐的三大支柱????????????????????????? 151?

8.4.1 数据??????????????????????????????? 151?

8.4.2 训练 / 调优模型 ???????????????? 154?

8.4.3 评估??????????????????????????????? 156?

8.4.4 对齐的三大支柱小结?????????? 165?

8.5 宪法式 AI：迈向自我对齐的一步 ??? 166?

8.6 总结???????????????????????????????????????? 168?

第三部分 LLM 高级应用?

第 9 章超越基础模型????????????????????????????? 170?

9.1 引言???????????????????????? 170?

9.2 案例研究：视觉问答??????????????????? 170?

9.2.1 模型介绍： Vision Transformer、 GPT-2 和 DistilBERT????????????????????????????? 171?

9.2.2 隐藏状态投影与融合?????????? 175?

9.2.3 交叉注意力：它是什么？为什么如此关键????????????????? 175?

9.2.4 我们的自定义多模态模型???? 178?

9.2.5 我们的数据： Visual QA??????? 180?

9.2.6 VQA 训练循环?????????????????? 182?

9.2.7 结果总结????????????????????????? 183?

9.3 案例研究：基于反馈的强化学习???? 185?

9.3.1 我们的模型： FLAN-T5 ??????? 186?

9.3.2 我们的奖励模型：情感与语法正确性?????????????? 187?

9.3.3 Transformer 强化学习 ????????? 188?

9.3.4 RLF 训练循环 ?????????????????? 189?

9.3.5 结果总结????????????????????????? 192?

9.4 总结?????????????????????????? 194?

第 10 章高级开源 LLM 微调??????????????????? 195?

10.1 引言 ?????????????????????????????????????? 195?

10.2 示例：使用 BERT 进行动漫流派多标签分类 ????????????????? 195?

10.2.1 使用 Jaccard 分数衡量动漫标题多标签流派预测的性能???????????????????????? 196?

10.2.2 一个简单的微调循环 ???????? 197?

10.2.3 微调开源 LLM 的通用技巧  199?

10.2.4 结果总结 ??????????????????????? 205?

10.3 示例：使用 GPT2 生成 LaTeX?????? 207?

10.3.1 开源模型的提示工程 ???????? 208?

10.3.2 结果总结 ??????????????????????? 210?

10.4 打造自己的睿智且引人入胜的对话助手—SAWYER ??????????????????????211?

10.4.1 步骤 1：监督指令微调?????? 213?

10.4.2 步骤 2：奖励模型训练?????? 218?

10.4.3 步骤 3：基于（模拟的）人类反馈的强化学习??????????????? 222?

10.4.4 结果总结 ??????????????????????? 225?

10.4.5 用新鲜知识更新我们的 LLM ???????????????????????? 228?

10.5 总结 ?????????????????????????????????????? 230?

第 11 章将 LLM 投入生产?????????????????????? 233?

11.1 引言 ?????????????????????????????????????? 233?

11.2 闭源 LLM 的生产部署???????????????? 233?

11.2.1 成本预估 ??????????????????????? 233?

11.2.2 API 密钥管理?????????????????? 234?

11.3 开源 LLM 的生产部署???????????????? 234?

11.3.1 为推理准备模型 ?????????????? 234?

11.3.2 互操作性 ??????????????????????? 234?

11.3.3 量化 ????????????????????????????? 235?

11.3.4 知识蒸馏 ??????????????????????? 240?

11.3.5 LLM 的成本预估 ????????????? 248?

11.3.6 发布到 Hugging Face????????? 249?

11.4 总结 ?????????????????????????????????????? 252?

第 12 章评估 LLM ??????????????????????????????? 253?

12.1 引言 ?????????????????????????????????????? 253?

12.2 评估生成任务 ?????????????????????????? 254?

12.2.1 生成式多项选择 ?????????????? 254?

12.2.2 自由文本回答 ????????????????? 257?

12.2.3 基准测试 ??????????????????????? 259?

12.3 评估理解任务 ?????????????????????????? 267?

12.3.1 嵌入 ????????????????????????????? 267?

12.3.2 校准分类 ??????????????????????? 270?

12.3.3 探测 LLM 的世界模型 ?????? 273?

12.4 总结 ?????????????????????????????????????? 277?

12.5 继续前行 ???????????????????????????????? 278?

第四部分附录?

附录 A LLM 常见问题解答 ????????????????????? 280?

附录 B LLM 术语表 ?????????????????????????????? 283?

附录 C LLM 应用原型 ??????????????????????????? 288?

附录 D 代码仓库使用指南??????????????????????? 291

【前言】
从一位同样深耕恶意代码分析多年的研究者视角来看，这本书令人惊艳——一位不到 20 岁的年轻人，能从恶意代码专家分析经验中汲取养分，进而系统性地构建出由大模型驱动的新型检测框架，实属难得。书中 AutoREX 自动化逆向分析系统，将 ReAct Agent、 radare2 工具与多角色Prompt 巧妙融合，真正让大模型“动手”分析恶意样本，既有工程落地的扎实感，又充满新一代安全研究者的敏锐创造力。强烈推荐所有希望拥抱网络安全智能化的读者阅读。?
诸葛建伟博士?
清华大学网络研究院研究员，蓝莲花战队共同创始人及领队?
本书聚焦大语言模型在恶意软件检测与分析中的落地应用，系统串联提示词工程、
配送说明

...
相似商品
为你推荐