充当蜜令生成器！利用大语言模型生成蜜令的研究
密码学与安全
2024-04-26 v1
摘要
随着安全事件的日益增多，基于欺骗的防御策略的采用已成为网络安全的关键。本文解决了设计蜜令（此类防御机制的关键组成部分）时的可扩展性挑战。手动创建蜜令是一项繁琐的任务。尽管存在自动生成器，但它们通常缺乏通用性，专门针对特定类型的蜜令，并且严重依赖合适的训练数据集。为了克服这些限制，本文系统地研究了利用大语言模型（LLM）创建各种蜜令的方法。在本文创建的七种不同类型的蜜令（如配置文件、数据库和日志文件）中，使用了两种来评估最优提示。使用robots.txt文件和蜜词的生成，基于16个提示构建块系统测试了210种不同的提示结构。此外，所有蜜令都在不同的最先进LLM上进行了测试，以评估不同模型的性能差异。在一个LLM上表现最佳的提示不一定能很好地泛化到另一个LLM。与之前的自动蜜词生成方法相比，GPT-3.5生成的蜜词与真实密码的区分度更低。总体而言，本文的研究结果表明，通用LLM能够使用所提出的提示结构创建广泛的蜜令。
引用
@article{arxiv.2404.16118,
title = {Act as a Honeytoken Generator! An Investigation into Honeytoken Generation with Large Language Models},
author = {Daniel Reti and Norman Becker and Tillmann Angeli and Anasuya Chattopadhyay and Daniel Schneider and Sebastian Vollmer and Hans D. Schotten},
journal= {arXiv preprint arXiv:2404.16118},
year = {2024}
}
备注
12 pages