ThreatQwen: Domain-Adaptive Fine-Tuning of a 1.7B LLM for Security Event Classification and SOC Triage
Cet article présente ThreatQwen-1.7B-Detect, un modèle de langage open-source de 1,7 milliard de paramètres déployable localement et affiné sur un corpus organisé de règles de détection réelles et de données synthétiques, qui atteint une précision de 95,1 % dans la classification d'événements de sécurité, surpassant de manière significative des modèles de pointe comme GPT-4o tout en opérant entièrement hors ligne pour les environnements SOC isolés.