从沙丘到豪宅：基于经典规划与大语言模型的自动化网络攻击仿真

演变中的攻击者能力要求实现现实且持续更新的网络攻击仿真，以实现以威胁为导向的防御和安全基准测试。为实现自动化攻击仿真，本文定义了模块化攻击动作和链接模型，以组织和链接异构攻击工具以保持因果性。基于这一基础，我们引入了Aurora：一个由符号规划和大语言模型（LLM）驱动的自动化网络攻击仿真系统。Aurora根据网络威胁情报（CTI）报告和目标环境制定可操作的、保持因果性的攻击链，并自动执行这些仿真。通过Aurora，我们从250个攻击报告中生成了大规模网络攻击仿真数据集，规模是当前最佳专家制作数据集的15倍。我们的评估表明，Aurora在创建可操作的、多样的且真实的攻击链方面显著优于现有方法。我们发布了该数据集，并用它评估了三种最先进的入侵检测系统，其性能与旧数据集的结果有显著差异，这凸显了更新的、自动化的攻击仿真的必要性。