Fine-Tuning Small Language Models for Solution-Oriented Windows Event Log Analysis

작성자

Haebom

카테고리

Empty

저자

Siraaj Akhtar, Saad Khan, Simon Parkinson

💡 개요

본 연구는 대규모 언어 모델(LLM)의 높은 연산 요구사항, 클라우드 의존성, 보안 문제 등을 해결하기 위해 소규모 언어 모델(SLM)을 Windows 이벤트 로그 분석에 활용하는 방안을 제안합니다. 실제 시나리오를 반영한 대규모 합성 데이터셋을 구축하고, LoRA 기법으로 SLM과 LLM을 미세 조정하여 성능을 비교 평가한 결과, SLM이 문제 식별 및 해결책 제시 측면에서 LLM보다 우수하며 계산 자원 소모도 적음을 확인했습니다.

🔑 시사점 및 한계

•

SLM은 LLM의 실질적인 대안으로, 이벤트 로그 분석에서 문제 해결까지 가능한 솔루션 지향적인 접근을 제공할 수 있습니다.

•

LoRA와 같은 파라미터 효율적인 미세 조정 기법은 SLM의 성능을 크게 향상시키는 데 효과적입니다.

•

본 연구는 합성 데이터셋을 사용했으며, 실제 환경에서의 LLM과의 직접적인 성능 비교 및 다양한 유형의 이벤트 로그에 대한 추가적인 검증이 필요합니다.

PDF 보기

Made with Slashpage