Back to blog

    网络安全最佳本地 LLM(2026 年 10 月)

    截至 2026 年 10 月的网络安全最佳本地 LLM:有哪些开放权重模型可以在您自己的硬件、私有云租户或物理隔离网络中运行,各自在告警分诊、威胁情报和漏洞研究等任务上得分多少,由谁测得,以及如何为安全团队选择、测试和部署规模合适的本地模型。

    A pale astronomical impression in graphite and copper, with a soft amber penumbra on warm paper.An asymmetric engraved lunar crescent with cool cyan rim-light and a faint amber counter-impression.

    网络安全最佳本地 LLM 取决于任务和您手头的硬件。截至 2026 年 10 月,Qwen3.5 9B 是告警分诊方面最强的小模型,Foundation-Sec-8B-Reasoning 在同等规模中威胁情报知识领先,Qwen 3.6 35B A3B 则是仍可在本地运行、能力最强的智能体安全模型。GLM-5.3 和 Kimi K3 综合领先,但需要集群。

    这是 2026 年 10 月版。下文每个分数都于 2026 年 10 月 30 日在原始来源核对,并注明测量方。这里的本地 LLM,指在您掌控的硬件上运行的开放权重模型:您自己的服务器、您自己的云租户,或完全不连互联网的网络。

    网络安全最佳本地 LLM 是哪个?

    下表按任务各列一个推荐,并给出支撑该推荐的分数和测量方。

    模型规模最适合分数(2026 年 10 月)测量方
    Qwen3.5 9B9B告警分诊Alert-Bench F1 0.952Alert-Bench 作者
    Foundation-Sec-8B-Reasoning8B威胁情报、CVE 到 CWE 映射CTI-RCM 0.753(GPT-5-Nano 0.672)Cisco,模型卡
    Qwen 3.6 35B A3B总计 35B,激活 3B智能体式漏洞研究完成了 GLM 5.1 未完成的场景Dual Use,私有基准
    GLM-5.3约 7,500 亿综合能力最强重新计分的 CyberGym 93.5%Proximal
    Kimi K3总计 2.8 万亿,激活 1,040 亿综合能力最强重新计分的 CyberGym 95.6%Proximal

    三个小模型覆盖了大部分日常防御工作。两个大模型代表开放模型的前沿,也需要前沿级别的硬件。

    Qwen3.5 9B 用于告警分诊。 在 Alert-Bench(arXiv,2026 年 10 月 7 日)中,Qwen3.5 9B 在通过实时 SIEM 回放的 300 条告警上取得 0.952 的 F1,与 GPT-4.1 在相同告警、相同调查协议下的分数一样。该模型按发布版本直接使用,没有经过训练。协议和模型同样重要:同一测试中的另外四个开放模型得分在 0.098 到 0.777 之间。我们在面向 SOC 分析师的 AI 一文中介绍了这项测试和每条告警的成本。

    Foundation-Sec-8B-Reasoning 用于威胁情报。 Cisco 的 Foundation AI 团队基于 Llama 3.1 8B 构建了它,于 2026 年 1 月 28 日发布。根据其模型卡,它在 CTI-MCQA(一个包含 2,500 道题的网络威胁情报测试)上得分 0.691,GPT-5-Nano 为 0.688;在 CTI-RCM(把漏洞描述映射到 CWE 弱点类别)上得分 0.753,GPT-5-Nano 为 0.672。它的训练数据截至 2025 年 4 月 10 日,除非您提供上下文,否则它不了解更新的漏洞。

    Qwen 3.6 35B A3B 用于智能体式安全工作。 在一个包含十个真实未公开 Web 漏洞的私有基准中(Dual Use,2026 年 4 月 17 日),作者认为这个模型"可以在本地运行",而且"表现出人意料地好":它完成了一个 GLM 5.1 和 Claude Opus 4.6 都没有完成的场景。它每个 token 只激活 350 亿参数中的约 30 亿,因此就其规模而言运行很快。这个基准出自一位研究者之手,十个场景各运行一次,所以应把它看作一个强信号,并在您自己的系统上测试。

    GLM-5.3 和 Kimi K3 用于最难的工作。 这两个模型在 CyberGym 上领先其他开放模型,并与最好的闭源模型持平。它们都是混合专家模型,总参数分别约为 7,500 亿和 2.8 万亿,所以这里的"本地"意味着您自己数据中心或云租户中的多 GPU 集群。我们的 GLM-5.3 与 Kimi K3 基准解析说明了各项分数由谁测得。

    为什么要在本地运行网络安全 LLM?

    安全数据是大多数组织最敏感的数据,本地模型让这些数据留在您的环境中。主要有三个原因。

    攻击数据和凭证留在您的环境中。 Hugging Face 调查其 2026 年 7 月的入侵事件时,最初使用的是商业 API 背后的前沿模型。这些请求被服务商的安全防护拦截,因为防护无法区分事件响应人员和攻击者。团队随后在自己的基础设施上用开放权重模型 GLM-5.2 完成取证分析,攻击者的数据以及其中涉及的凭证都没有离开他们的环境。

    模型在事件发生前就已就绪。 Hugging Face 给防御方的建议是:在事件发生之前,就在自己的基础设施上准备好一个经过验证、能力足够的模型,既避免被防护机制挡住,也让攻击者的数据和凭证不离开您的环境。

    您可以回答监管方和审计方的问题。 澳大利亚信号局(ASD)在 Opportunities for AI in cyber defence(2026 年 9 月 8 日)中建议各组织询问每家 AI 供应商:哪些数据会被保留、复用或用于重新训练模型,条件是什么。模型运行在您自己的硬件上,答案就掌握在您手里。同一份指南还要求模型能力与用例的需求和价值相称,这正是为明确任务选用规模合适模型的理由。

    可以在物理隔离网络中运行网络安全 LLM 吗?

    可以。开放权重模型就是一组文件,权重拷入之后无需网络连接即可运行:没有 API 调用离开网络,也不需要许可证服务器响应。上表中的五个模型都可以在物理隔离环境中运行。工作重点转到运维层面:通过常规的传输管控导入权重更新,记录权重来源,并在边界内的硬件上提供服务。ASD 的指南还要求防御方梳理 AI 训练和微调的数据来源,评估其出处、留存和投毒风险,这适用于您用自有数据继续训练的任何模型。

    本地模型能胜任 SOC 工作吗?

    对于在良好评测环境中执行的明确任务,可以,证据最充分的是告警分诊。Alert-Bench 显示一个 9B 模型达到了 GPT-4.1 的水平,作者指出,仅凭模型规模无法解释排名:在相同协议下,9B 的 Qwen 模型胜过了 70B 和 120B 的模型。真正的工作是把模型和评测环境放在一起选择。

    前沿模型仍在两类工作上领先:

    任务最好的已发布结果开放模型结果
    检测规则工程(CTI-REALM)Claude Opus 4.6,奖励 0.637截至 2026 年 10 月尚未发布
    漏洞利用基准(ExploitBench)Claude Fable 5,78.0GLM-5.3,54.4(Z.ai 自测)

    对这些任务,可以由本地模型起草,再由前沿模型或分析师核查。Microsoft Security AI 的 CTI-REALM 论文评测了 16 个模型,全部来自 Anthropic 和 OpenAI,所以目前还没有开放模型的结果;请看我们的 CTI-REALM 介绍。

    如何为安全团队选择本地 LLM?

    从任务出发,倒推到模型:

    1. 明确任务及其衡量方式。 告警分诊看攻击告警的召回率和升级率;CVE 到 CWE 映射看在标注集上的准确率。
    2. 选择能达到您标准的最小模型。 先从上面的 8B 和 9B 推荐开始,智能体类工作再升级到 35B 模型。
    3. 用您自己的数据测试。 在相信任何公开数字之前,先用几百条您自己标注过的告警或报告给它打分。
    4. 保留升级通道。 把难处理的部分交给分析师或前沿模型,并记录哪些内容被升级。
    5. 任务稳定后再训练。 用您团队的处置结果训练的模型,会学会您的告警构成和团队的判断;它与通用模型的区别见领域专用 LLM。

    关于开放模型与前沿模型的整体比较,请看开放权重模型与前沿模型。关于部署方式的取舍,请看本地部署、自托管与物理隔离 AI 对比。

    用您自己的安全数据运行这些模型

    为您的安全团队运行 Qwen3.5 9B、Qwen 3.6 35B A3B、GLM-5.3 或 Kimi K3:部署在您自己的基础设施中(您的云租户或本地机房),或由 Ertas 在我们运营的基础设施上托管。您的数据保持私密,使用成本比随告警量增长的前沿 API 账单更可预测,而且模型在事件发生前就已就位,可以处理真实攻击数据的取证工作。我们托管的模型用于防御工作:告警分诊、威胁情报、恶意软件分析和检测。

    用您自己的告警和分析师处置结果训练的模型,效果会超过未经训练的模型,这正是我们的 endpoint 所做的事。该 endpoint 目前仅限受邀使用,我们正在开发一个更简化的版本,以便更广泛地开放。

    预约通话,我们会和您一起确定适合团队的模型、规模和部署方式。

    常见问题

    可以离线运行网络安全 LLM 吗?

    可以。Qwen3.5 9B 和 Foundation-Sec-8B-Reasoning 等开放权重模型,在权重放到您的硬件上之后,无需互联网连接即可运行。这适合物理隔离网络,也让告警数据留在您的环境中。

    网络安全领域最好的开源 LLM 是哪个?

    取决于任务。截至 2026 年 10 月,Kimi K3 和 GLM-5.3 在 CyberGym 上综合领先,但需要集群;Qwen3.5 9B 在告警分诊上领先于其他小模型。我们的网络安全最佳 LLM 榜单按任务对开放和闭源模型进行排名。

    Foundation-Sec-8B 还值得用吗?

    在小模型的威胁情报知识任务上,值得:根据 Cisco 的模型卡,它的推理版本在 CVE 到 CWE 映射上胜过 GPT-5-Nano。它的训练数据截至 2025 年 4 月,所以请配合检索最新安全通告一起使用。

    本地模型做 SOC 工作需要训练吗?

    不训练也能用:Qwen3.5 9B 在没有训练的情况下就在 Alert-Bench 上与 GPT-4.1 打平。用您自己标注过的告警进行训练,可以让它适应您的告警构成和分析师的判断,并把每次提示中重复的指令训练进模型本身。


    来源,均于 2026 年 10 月 30 日查阅:Tsegai 等,"From Investigation Failures to Reliable SOC Agents"(Alert-Bench,2026 年 10 月 7 日);Cisco Foundation AI,Foundation-Sec-8B-Reasoning 模型卡;Dual Use,"Benchmarking open-weight models for security research"(2026 年 4 月 17 日);Proximal,"Robustly Evaluating Cyber Capabilities"(2026 年 9 月 30 日);Z.ai,GLM-5.3 模型卡;Moonshot AI,Kimi K3 模型卡;Hugging Face,"Security incident, July 2026"(2026 年 7 月 16 日);澳大利亚信号局,"Opportunities for AI in cyber defence"(2026 年 9 月 8 日);Microsoft,"CTI-REALM"(2026 年 3 月)。