基于大语言模型的高效恶意 Web 服务器日志检测与法医可解释推理

针对 Web 服务器日志的法医分析需兼顾准确检测与符合法律要求的人类可读解释，本文提出 CEF-Log，一种上下文增强的少样本思维链提示策略。该方法通过结构化五步推理模板嵌入专家调查方法论，使模型学习“如何”分析而非记忆模式。实验表明，仅用四个样本即在 CSIC 2010 数据集上达到 0.99 的 F1 分数，样本效率提升十倍。此外，文章引入包含真实攻击序列的新数据集 ForenWebLog，定性分析证实该方法能生成可追溯、准确的法医级解释，有效解决传统机器学习的“黑盒”局限。