AgentCyTE：利用智能体 AI 生成网络安全培训与实验情景
密码学与安全
2025-10-30 v1
摘要
设计逼真且自适应的网络威胁情景仍是网络安全研究与培训中的核心挑战，仍需大量手动工作。尽管大型语言模型（LLM）在自动化综合方面显示出前景，但无约束的生成往往会产生无法通过验证或执行的配置。我们提出了 AgentCyTE，一种集成 LLM 推理与确定性、模式受限网络仿真的框架，用于生成和细化可执行的威胁环境。通过智能体反馈环路，AgentCyTE 观察情景结果、验证正确性，并迭代提升现实感和一致性。这种混合方法保留了 LLM 的灵活性，同时强制结构有效性，实现可扩展的数据驱动实验和可靠的情景生成，适用于威胁建模和自适应网络安全培训。本框架可在 https://github.com/AnantaaKotal/AgentCyTE 访问。
引用
@article{arxiv.2510.25189,
title = {AgentCyTE: Leveraging Agentic AI to Generate Cybersecurity Training & Experimentation Scenarios},
author = {Ana M. Rodriguez and Jaime Acosta and Anantaa Kotal and Aritran Piplai},
journal= {arXiv preprint arXiv:2510.25189},
year = {2025}
}