网络安全人工智能：一种用于指导攻击与防御的博弈论人工智能
密码学与安全
2026-01-12 v1
摘要
人工智能驱动的渗透测试现在每小时能执行数千个动作，但仍缺乏人类在竞争性安全中应用的战略直觉。为了构建网络安全超级智能——超越最佳人类能力的网络安全人工智能——这种战略直觉必须嵌入到智能体推理过程中。我们提出了生成式割绳（G-CTR），一个博弈论指导层，它从智能体上下文中提取攻击图，通过考虑努力程度的评分计算纳什均衡，并将简洁的摘要反馈到大型语言模型循环中，以指导智能体的行动。在五次真实世界演习中，G-CTR 匹配了 70-90% 的专家图结构，同时运行速度比手动分析快 60-245 倍，成本低 140 倍以上。在一次 44 次运行的网络靶场中，添加摘要将成功率从 20.0% 提升至 42.9%，将每次成功的成本降低了 2.7 倍，并将行为方差降低了 5.2 倍。在攻击与防御演习中，共享摘要产生了紫色智能体，其胜率约为仅使用大语言模型基线的 2:1，以及独立指导团队的 3.7:1。这种闭环指导正是产生突破的原因：它减少了歧义，压缩了大语言模型的搜索空间，抑制了幻觉，并使模型锚定在问题最相关的部分，从而在成功率、一致性和可靠性方面取得了巨大提升。
引用
@article{arxiv.2601.05887,
title = {Cybersecurity AI: A Game-Theoretic AI for Guiding Attack and Defense},
author = {Víctor Mayoral-Vilches and María Sanz-Gómez and Francesco Balassone and Stefan Rass and Lidia Salas-Espejo and Benjamin Jablonski and Luis Javier Navarrete-Lozano and Maite del Mundo de Torres and Cristóbal R. J. Veas Chavez},
journal= {arXiv preprint arXiv:2601.05887},
year = {2026}
}