Hackphyr：一个用于网络安全环境的本地微调LLM智能体
密码学与安全
2024-09-18 v1
摘要
大语言模型（LLMs）在包括网络安全在内的各个领域都显示出巨大的潜力。由于隐私问题、成本和网络连接限制，使用商业云基LLM可能并不理想。在本文中，我们提出了Hackphyr，一个本地微调的LLM，用作网络安全环境中的红队智能体。我们微调的70亿参数模型可以在单个GPU卡上运行，并实现与更大、更强大的商业模型（如GPT-4）相当的性能。Hackphyr在复杂的、未见过的场景中明显优于其他模型，包括GPT-3.5-turbo，以及基线方法，如Q-learning智能体。为达到此性能，我们生成了一个特定于任务的新网络安全数据集，以增强基础模型的能力。最后，我们对智能体的行为进行了全面分析，提供了关于此类智能体的规划能力和潜在缺点的见解，有助于更广泛地理解基于LLM的智能体在网络安全环境中的应用。
引用
@article{arxiv.2409.11276,
title = {Hackphyr: A Local Fine-Tuned LLM Agent for Network Security Environments},
author = {Maria Rigaki and Carlos Catania and Sebastian Garcia},
journal= {arXiv preprint arXiv:2409.11276},
year = {2024}
}