通过大语言模型预测 DevSecOps 场景下的对手行为
密码学与安全
2026-02-17 v1 人工智能
摘要
任何基于云的组织最宝贵的资产是数据，这些数据正日益暴露于高级网络攻击之下。直到最近，许多政府部门和关键国家服务在云环境中实施安全措施通常被视为可选，这包括管理敏感信息的系统，如选举过程或军事运营，这些系统历史上一直是网络犯罪分子的有价值目标。对安全实施的抵抗常常源于对在软件开发中牺牲敏捷性、增加滞留漏洞风险的担忧。如今，仅仅修补软件已不够；采用以人工智能 (AI) 为支撑的主动网络防御策略至关重要，以anticipate and 缓解威胁。因此，本工作提出将安全混沌工程 (SCE) 方法与一种新的基于大语言模型的流程集成，自动创建代表对手行为的攻击防御树，这些图形模型促进基于这些模型构建 SCE 实验，使团队能够提前一步跟进攻击者并实施以前未考虑的防御措施。有关执行的详细信息以及复制它的步骤，详见以下存储库：https://github.com/mariomc14/devsecops-adversary-llm.git。
引用
@article{arxiv.2602.14106,
title = {Anticipating Adversary Behavior in DevSecOps Scenarios through Large Language Models},
author = {Mario Marín Caballero and Miguel Betancourt Alonso and Daniel Díaz-López and Angel Luis Perales Gómez and Pantaleone Nespoli and Gregorio Martínez Pérez},
journal= {arXiv preprint arXiv:2602.14106},
year = {2026}
}
备注
8 pages, 3 figures, paper in proceedings of the X National Cybersecurity Research Conference (JNIC) in Zaragoza, Spain, June, 2025