# 4/2

## 4/5
> 下次大咪
- model 適合哪一類，所以著重在哪個 scope 上
- variation 變形有哪些類型，要變什麼
tool, parameter, behavior, interpreter


- code generation 跟 variation 到底在整個流程中占哪個 part

### 建泓
> 善新希望看到 STIX 目前到底能怎麼呈現 IoB 的行為跟攻擊串鏈
- E.g.,
- A create B
- C access D
- ...
- campaign group TTP
- group habit
- sysmon pattern
> 希望大家一起去了解 STIX 畢竟每個人都會需要用到

## 4/3

> 將 scope 畫在 lockbit 3.0 的其中一個 compaign 並納入它其他最近的情境
> 訂好 scope 後可能會比較好產

> 建宏找找一兩個 STIX 的 use case，如何去描述攻擊行為 IoB，如果要變形的話要去改甚麼欄位

> 用 STIX 將 NLP 的變因降到最低

### 俊逸
> 變化的方式
- 不交給 model 發想而是給予他變的方向 (STIX)，但要先看看 STIX 有甚麼

> Reward model 是個很新的嘗試

### 映潔
- QA Llama 效果比 gemma 好
- 貢獻：在前面如何找出重要的 information
- 先 NLP 再看要不要 STIX

> 下次介紹流程，結構性的說一下，不要直接跳進去說細節

### 建宏
- model 特性
- 在 variation 上會很好

> model 是從頭 train 的，所以較不會有黑盒子的問題

### 冠儒
> Binary mutation 並不是目前迫切需要的，而且已經做過很久了，無法

> 把變拉出來變成是我們的 know how，而不是問得很好讓他產的好
> 把 model 當成查字典用的

> 思考變的方法
> code 產生的貢獻是 model 的，但如何變的方法可以是我們的

> X: 是要想辦法把codellama跟RAG變得不那麼黑盒子嗎
> 目前就只是透過更改prompt去找到他最好的output，但這很不可控，也不知道為甚麼這樣改就能work → 要去改善這點
- train 一個 => 資料集
- fine-tune 一個 => 但還是有點黑

## 整體架構
- Dataset
- Dataset 夠嗎
- Training 跟 testing 都會需要
- 如果每個人都需要自己的 dataset 在整張圖上面不太符合邏輯

> 不要用「我」
- 不要因為我的研究想做而做 而是要客觀的考慮各方的需求

> 現在沒有 category 或是 divide 的概念

> 如果一個地方還不清楚：定出時間先後順序，至少未來不會漏掉
> 不只一個地方要深，你還要整個故事都要通 ~~(絕對不是叫你包山包海)~~

> 可以進行假設，但要先把整個 loop 說清楚，再去說 component 的假設，才不會跑偏

> 要以主題來 divide 而不是依照人 divide
- 我們應該先把所有可以用的都寫出來在說我們只做 command 跟 code 嗎 E.g. Threat Generator 應該做哪些事
- Phishing
- 各種的 code (python, c/c++, java, ...)
- Script
- GUI (e.g., RDP)
- Command

- devide and conque是根據邏輯來切再來分工 而不是因為各自想負責什麼而切

> 我們能否用 Lockbit 3.0 串起整個 loop

---

## Optimization of Command Generation
> 有沒有辦法描述 codellama 程式產生的過程 (黑盒子)
- 不同 model 的結果會相同嗎
- 不同次的結果會相同嗎

> 管子看豹子
- Command 是豹子中的其中一塊

----
管子這個都能接住，厲害厲害

## Persistence Tactic for GemmaGAN
- 做得比現在的研究好 in some aspect 就可以當貢獻了

> imblanced dataset
> overfitting

---

## improve performance by re-pretrained encoder & decoder
- 提到 method 還是需要概要說明 (就算前面的人已經提過)
- 避免 random thought 的流程

---
classifier, accuracy 的發音練過再來

請用肯定句 不要雙重否定 (沒有很好解決)

提到耀升就會有debuff 開始切割
不能提名字的男人

https://www.sci-hub.se/
-> 很棒的地方 可以不用付錢 :)

## Code(C++) Generation and Variation via LLM for LSASS Memory Dumping
> why code generation?

> why choice lsass memory dumping?

> 切小塊各自 divide & conquer 最終可能會兜不起來

> 怎麼選題要再思考
- 感覺要想出如何選擇的邏輯真的好難QQ

---
剛剛都聚焦在方法論 現在又繞回來整個 scope 了
debuff
我想換實驗室了Q
90度角問你 45度角問你 已經繞到其自他坐標系了

## User behavior reversing and CTI generation based on detection result
> 口頭上在不省略重點的情況下 盡可能簡要的說明
- 要幹嘛
- 進度
- 後續要做甚麼

> 什麼是 "關聯"?
- 給具體定義 + 例子說明
- 感覺下週可以報這個，關聯的性質感覺會是老師有興趣的地方
關聯 XVR 不是就有做好了嗎?

- 只用 parent-child 可能 too weak
- 如果用開機來看所有 process 的 root 不會是同一個嗎
- 都是 OS

- tree / graph 太大了 (盡量避免)
- 能不能只用 piece of info 做關聯?

---
字好多
這次的字真的太多了XD