LanG 2.0 论文显示小模型配合结构约束在安全运营中能耗仅为 Claude Opus 5.5 的千分之一

该论文提出 LanG 2.0 系统，旨在验证小型本地模型结合结构性安全机制能否替代前沿大模型以低成本、高安全性地处理安全运营中心（SOC）的海量告警。实验数据显示，相比前代版本，其多阶段活动关联精度从 18.75% 提升至 51.81%，规则接受率最高达 98.33%；在与 Claude Opus 5.5 的对比测试中，针对未见网络的攻击检测 F1 分数达到 73.42% 且无误报，而能耗至少低 650 倍，微调后的模型在警报分类和规则编写上统计表现相当，但能耗降低 5.6 至 59 倍。

系统核心在于引入实体锚定关联、人工审批规则变更及防篡改账本等结构性保障，而非单纯依赖模型精度。测试涵盖五个网络的八个流量数据集、真实 XDR 告警及多阶段攻击活动，系统成功抵御了提示注入、标签投毒和账本篡改攻击，并实现了每小时处理超过 3000 万条记录的高吞吐量。

事实层面，该研究证实了在特定架构约束下，小模型在能效比和基础检测能力上可匹敌甚至超越部分大模型。推断层面，这暗示未来 SOC 部署可能从云端大模型转向混合架构，将推理下沉至边缘或本地以减少带宽与能源成本。猜测层面，这种模式是否适用于更复杂的动态对抗场景仍需更多独立复现，目前结论仅基于作者提供的特定数据集与实验环境。