AutoBnB-RAG：通过检索增强生成提升多智能体事件响应
计算与语言
2025-10-07 v2 密码学与安全
摘要
事件响应（IR）需要快速、协调且信息充足的决策，以遏制和缓解网络安全威胁。虽然大型语言模型（LLM）在模拟的IR环境中显示出作为自主智能体的潜力，但其推理常受限于缺乏对外部知识的访问。本文提出AutoBnB-RAG，这是AutoBnB框架的一个扩展，集成了检索增强生成（RAG）到多智能体事件响应模拟中。基于Backdoors & Breaches（B&B）桌面游戏环境，AutoBnB-RAG使代理能够发布检索查询并在协作调查中整合外部证据。我们引入两种检索设置：一种基于精选技术文档（RAG-Wiki），另一种使用叙事式事件报告（RAG-News）。我们在八种团队结构中评估了性能，包括新引入的论证性配置旨在促进批判性推理。为验证实际效用，我们还模拟了基于公开泄露报告的真实网络安全事件，展示了AutoBnB-RAG在重建复杂多阶段攻击方面的能力。我们的结果表明，检索增强在多样化组织模型中提高了决策质量和成功率。这一工作表明，将检索机制集成到基于LLM的多智能体系统中，对于网络安全决策具有重要价值。
引用
@article{arxiv.2508.13118,
title = {AutoBnB-RAG: Enhancing Multi-Agent Incident Response with Retrieval-Augmented Generation},
author = {Zefang Liu and Arman Anwar},
journal= {arXiv preprint arXiv:2508.13118},
year = {2025}
}