SentinelSphere：結合 AI 威脅偵測與網路安全訓練
arXiv - Computers and SocietyNikolaos D. Tantaroudas, Ilias Karachalios, Andrew J. McCracken
結合 AI 威脅偵測與 LLM 驅動的安全教育，提供即時偵測與易用訓練平台
AI 幫你先抓重點
AI 重點 1
AI 強調將威脅偵測與安全教育整合，可同時降低技術與人因風險。
滑鼠懸停看 AI 判斷理由
此整合模式突破傳統分離工具的限制，將偵測結果即時轉化為學習素材，讓使用者在實際情境中即時調整行為，從而提升整體安全效能。
AI 重點 2
AI 指出量化 LLM 可在低成本硬體上部署，擴大教育覆蓋面。
滑鼠懸停看 AI 判斷理由
量化模型降低硬體需求，使得缺乏 GPU 資源的機構亦能部署高品質 AI 教育工具，促進教育資源的公平分配與實務應用。
核心研究發現
- 1
Enhanced DNN 在 CIC-IDS2017 與 CIC-DDoS2019 數據集上，偵測準確率高且假陽性率顯著降低，對 DDoS、暴力破解與網頁攻擊的召回率保持強勁。
- 2
量化 Phi-4 (Q4_K_M) 針對網路安全微調，僅需 16 GB RAM、無 GPU，即可在一般硬體上執行，仍能提供有效的 LLM 驅動訓練。
- 3
驗證工作坊顯示，Traffic Light 視覺化與對話式 AI 助手對非技術使用者直觀且有效。
對教育工作者的啟發
教育工作者可採用 SentinelSphere 的 Traffic Light 視覺化，將威脅偵測結果轉化為紅黃綠指標，促進學生即時反饋與自我調整；利用量化 Phi-4 模型在無 GPU 教室部署對話式安全助手，降低成本並提升互動性；將實時偵測與 LLM 生成案例結合進 PBL 課程，讓學生在真實攻擊情境中練習防禦與決策，提升 SRL 能力。
原始文獻資訊
- 英文標題：
- SentinelSphere: Integrating AI-Powered Real-Time Threat Detection with Cybersecurity Awareness Training
- 作者：
- Nikolaos D. Tantaroudas, Ilias Karachalios, Andrew J. McCracken
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。