본 연구는 최신 생성 모델을 기반으로 사이버 보안 사건 탐지, 의사결정 지원, 정보 보안 위협 대응 방안의 효과성 평가를 목표로 한다. MIMO 시스템의 신호 전파 데이터 에뮬레이션, 적대적 예제 합성, 머신러닝 모델에 대한 적대적 공격 실행, 적대적 공격 탐지를 위한 대규모 언어 모델의 미세 조정, 프롬프트 기법에 기반한 사이버 보안 사건 탐지 결정의 설명 가능성 등의 연구 방법을 사용하였다. 대규모 언어 모델을 이용한 데이터 포이즈닝 공격의 이진 분류를 수행하고, 최신 무선 네트워크에서 사이버 보안 사건 조사에 대규모 언어 모델을 사용할 가능성을 조사하였다. 에뮬레이션된 무선 네트워크 세그먼트의 준비된 데이터에 대해 대규모 언어 모델의 미세 조정을 수행하였고, 6개의 대규모 언어 모델을 비교하여 적대적 공격 탐지 성능을 평가하고, 대규모 언어 모델의 의사결정 설명 가능성을 조사하였다. 그 결과, Gemma-7b 모델이 Precision = 0.89, Recall = 0.89, F1-Score = 0.89의 지표로 최고의 성능을 보였으며, 다양한 설명 가능성 프롬프트를 기반으로 손상된 데이터의 불일치를 파악하고, 특징 중요도 분석을 수행하며, 적대적 공격의 결과를 완화하기 위한 다양한 권장 사항을 제공하였다. 결론적으로, 네트워크 위협의 이진 분류기와 통합된 대규모 언어 모델은 사이버 보안 사건 조사, 의사결정 지원 및 정보 보안 위협 대응 방안의 효과성 평가 분야에서 실질적인 응용 가능성을 가지고 있다.
