LLM 代理能否模拟动态网络？关于邮件网络的钓鱼合成案例研究
社会与信息网络
2026-05-14 v1 人工智能
多智能体系统
摘要
虽然大型语言模型 (LLM) 多智能体系统 (MAS) 提供了一种变革性的模拟人类行为在复杂系统中的方法，但这些模拟能否从动态网络视角复制现实的结构和 temporal 动态仍基本未被探索。我们的评估表明，现有框架在生成符合 micro-level 交互的 plausible 模式方面表现出色，但 fail to capture 那些 necessary for 依赖现实网络动态的领域（如信息传播和网络安全威胁建模）所必需的 emergent、宏观拓扑结构。为填补这一差距，我们引入两个 easily integrable 的扩展，确保它们 preserve 宏观网络保真度：1) 通过数据驱动的 event triggers 增强 LLM 代理，以有机方式维持 long-horizon 交互，以及 2) 集成 Hawkes 过程准确建模 temporal 激活动态。我们的 approach 允许 LLM MAS 捕获既符合 micro-level 模式又具备宏观拓扑结构的系统。我们进一步展示了该框架在合成不断演化的通信网络中的真实钓鱼 campaign 的实用性。研究揭示了威胁如何利用结构性脆弱性，凸显了该框架用于 developing next-generation 防御的潜力。我们的代码已公开于 https://github.com/Graph-COM/NSL。
引用
@article{arxiv.2605.12507,
title = {Can LLM Agents Simulate Dynamic Networks? A Case Study on Email Networks with Phishing Synthesis},
author = {Siqi Miao and Ziyang Chen and Yuhong Luo and Hans Hao-Hsun Hsu and Mufei Li and Kaiqing Zhang and Pan Li},
journal= {arXiv preprint arXiv:2605.12507},
year = {2026}
}