Header von Qevlar AI

The limits of stochastic intelligence: building trustworthy AI SOC Analysts

Die Unvorhersehbarkeit großer Sprachmodelle (LLMs) behindert deren Einführung in SOCs. Die Orchestrierung grafischer künstlicher Intelligenz gewährleistet Konsistenz und Rückverfolgbarkeit für LLM-Modelle.

Themen

Endpoint ProtectionManaged Security Services / HostingSIEM Threat Analytics SOC

Wann & Wo

calendar_month

Mi., 08.10.2025, 16:50 - 17:00

location_on

Forum A, Stand 6-216

Session als iCal herunterladendownload_for_offline

Einzelheiten

  • Format:

    Technik-Vortrag

  • Language:

    Englisch

Session Beschreibung

LLMs werden in Security Operations Centers (SOCs) eingesetzt, meist als Co-Piloten, um Warnmeldungen zusammenzufassen, Protokolle abzufragen oder Berichte zu erstellen. Bei der Verwendung für End-to-End-Untersuchungen werden ihre grundlegenden Einschränkungen jedoch zu Hindernissen: variable Antworten, Halluzinationen und mangelnde Rückverfolgbarkeit.

Diese Sitzung beginnt mit einem konkreten Beispiel. Wir lassen denselben Alarm mehrmals durch einen LLM-SOC-Analysten laufen und beobachten dessen Ergebnisse: inkonsistent. Dies ist kein Fehler, sondern eine Eigenschaft generativer Modelle: Sie sind probabilistisch und nicht deterministisch. Das macht sie für risikoreiche Arbeitsabläufe wie Triage oder Korrelation unzuverlässig.

Um dieses Problem zu lösen, stellen wir eine hybr ...

Gesponsert von
Qevlar AI
Qevlar AI

it-sa 2025 | The limits of stochastic intelligence: building trustworthy AI SOC Analysts

Standardisiertes Videovorschaubild