面對日益嚴峻的資安威脅，企業導入人工智慧以強化防護能力已成趨勢。然而，動輒需要龐大運算資源與預算的大型語言模型（LLM），對多數企業而言卻難以負擔。資安公司 Sophos 最新研究指出，小型 AI 模型有望成為兼具效能與成本效益的解方，為業界帶來更具實用性的 AI 部署方式。

Sophos 表示，透過間歇性導入 LLM 以輔助訓練，小型模型不僅具備更高運行效率，還在多項資安任務中展現出媲美甚至超越 LLM 的表現，特別是在惡意網站分類等應用情境中。這樣的成果，來自於三項關鍵技術的整合應用：知識蒸餾、半監督式學習與合成資料生成。

首先，「知識蒸餾」（Knowledge Distillation）技術可讓大型模型將所學知識有效轉移給小型模型，在不需全面部署 LLM 的前提下，顯著提升小型模型的準確率與效能。這對於資料標註存在雜訊、難以完全重標註的情境，特別實用。

其次，「半監督式學習」（Semi-Supervised Learning）則讓 LLM 為未標註的資料自動添加標籤，進一步擴充小型模型可用的訓練數據，有效降低資料蒐集與標註的成本。

最後，「合成資料生成」（Synthetic Data Generation）技術則可藉由 LLM 產生多樣化的新樣本，強化小型模型在各種變異情境下的韌性與準確性。

Sophos 的研究成果顯示，企業無須倚賴龐大的 AI 模型也能享受高效能資安保護，為未來資安 AI 發展開啟了嶄新方向。小型 AI 模型不僅有望降低企業的部署與營運成本，也更容易整合至既有系統中，對中小企業而言更具實際應用價值。Sophos 預計將在近期正式發布完整研究內容。