本文针对物联网设备面临的持续网络攻击，提出了一种基于大语言模型（LLM）的验证引导式规范合成框架，用于从HTTP请求流量中自动生成Suricata入侵检测系统（IDS）规则。当前，将观测到的攻击流量转化为可部署的IDS规则主要依赖人工，效率低且易出错。已有研究尝试利用LLM生成规则，但往往需要额外的辅助信息，或未对检测逻辑在良性流量上进行验证，导致误报率较高。本文方法分为三个阶段：首先，LLM识别HTTP请求中的易受攻击参数，并合成为语义检测规范；其次，通过反例引导的归纳合成（CEGIS）机制，以良性流量样本作为反例，对检测规范进行迭代细化与验证，确保其不会误报良性请求；最后，将验证通过的规范确定性编译为Suricata规则。作者在281个真实CVE和从真实物联网设备收集的良性流量上进行了实验，结果表明该方法在保持0.0%假阳性率的同时，实现了81.5%的检测率。消融实验进一步证明，基于CEGIS的验证步骤能显著提升检测性能并维持低误报。该研究为自动化生成高精度IDS规则提供了新思路，特别适合安全运营人员、IDS规则开发者以及研究LLM在安全自动化中应用的研究者阅读。