HoneyGPT：基于大语言模型打破终端诱骚器的三难问题
密码学与安全
2025-02-18 v2 人工智能
新兴技术
软件工程
摘要
诱骚器作为一种战略网络诱骾机制，旨在模拟真实交互并诱导未经授权的实体进入，但往往在灵活性、互动深度和欺骗性之间难以平衡。它们通常无法适应不断演变的攻击者 tactics，互动和信息收集有限。幸运的是，大语言模型的涌现能力和创新的基于提示的工程为诱骚技术带来了变革性的转变。本文介绍HoneyGPT，这是一个基于ChatGPT的首个壳层诱骚器架构，具有成本效益高和主动互动特点。具体而言，我们提出了一种结构化提示工程框架，融合链式思考策略以提高长期记忆和稳健的安全分析，从而增强欺骗和互动效果。我们对HoneyGPT的评估包括基于收集数据集的基准比较和三个月的现场评估。基准比较表明HoneyGPT在灵活性、互动深度和欺骗性之间取得了惊人的平衡。现场评估进一步验证了HoneyGPT在更深入地与攻击者互动和捕获更广泛新型攻击向量方面的优越性能。
引用
@article{arxiv.2406.01882,
title = {HoneyGPT: Breaking the Trilemma in Terminal Honeypots with Large Language Model},
author = {Ziyang Wang and Jianzhou You and Haining Wang and Tianwei Yuan and Shichao Lv and Yang Wang and Limin Sun},
journal= {arXiv preprint arXiv:2406.01882},
year = {2025}
}