我们能结束猫鼠游戏吗？基于 LLM 和遗传算法模拟自演化钓鱼攻击
密码学与安全
2025-07-30 v1
摘要
预测新兴攻击方法论对于主动网络安全至关重要。近期大型语言模型 (LLM) 的进展使自动化生成钓鱼信息和加速研究潜在攻击技术成为可能。然而，由于依赖现有训练数据，预测未来威胁仍然具有挑战性。为此，我们提出一种新框架，将 LLM 基于的钓鱼攻击仿真与心理学语境下的遗传算法集成，使钓鱼策略能够通过与模拟受害者的对抗互动而动态演化。通过使用 Llama 3.1 进行仿真，我们展示了：(1) 自演化钓鱼策略采用越来越复杂的心理学操纵技术，超越单纯的 LLM 生成攻击；(2) 受害者先前知识的差异显著影响攻击策略的演化；(3) 不断演化的攻击与自适应防御之间的对抗互动创造了猫鼠动态，揭示了网络安全中固有的不对称性——攻击者不断细化其方法，而防御者难以全面应对所有演化的威胁。我们的 methods 提供了一种可扩展、高性价比的方法，用于分析钓鱼策略和防御的演化，为未来社交工程威胁提供了洞见，并凸显了主动网络安全措施的必要性。
引用
@article{arxiv.2507.21538,
title = {Can We End the Cat-and-Mouse Game? Simulating Self-Evolving Phishing Attacks with LLMs and Genetic Algorithms},
author = {Seiji Sato and Tetsushi Ohki and Masakatsu Nishigaki},
journal= {arXiv preprint arXiv:2507.21538},
year = {2025}
}