KryptoPilot：面向自动化密码学利用的开放世界知识增强 LLM 智能体
密码学与安全
2026-01-15 v1
摘要
夺旗赛（CTF）竞赛在现代网络安全中发挥着核心作用，是训练从业者并评估源自真实世界漏洞的攻防技术的平台。尽管大型语言模型（LLM）最近取得了进展，但现有的基于 LLM 的智能体在处理高难度密码学 CTF 挑战时仍然效果不佳，这些挑战需要精确的密码分析知识、稳定的长期推理以及与专用工具链的规范交互。通过系统的探索性研究，我们表明，知识粒度不足而非模型推理能力是限制成功进行密码学利用的主要因素：粗略或抽象的外部知识往往无法支持正确的攻击建模和实现。受此观察启发，我们提出了 KryptoPilot，一个用于自动化密码学利用的开放世界知识增强 LLM 智能体。KryptoPilot 通过 Deep Research 管道集成了动态开放世界知识获取，一个用于结构化知识重用的持久工作区，以及一个通过行为约束和成本感知模型路由来稳定推理的治理子系统。这种设计实现了精确的知识对齐，同时在异构子任务中保持高效推理。我们在两个已建立的 CTF 基准和六次真实世界 CTF 竞赛中评估了 KryptoPilot。KryptoPilot 在 InterCode-CTF 上实现了完全解题率，在 NYU-CTF 基准上解决了 56% 到 60% 的密码学挑战，并在现场竞赛中成功解决了 33 个密码学挑战中的 26 个，包括多个最早解出和唯一解出的实例。这些结果证明了开放世界、细粒度知识增强和受治理推理对于将基于 LLM 的智能体扩展到真实世界密码学利用的必要性。
引用
@article{arxiv.2601.09129,
title = {KryptoPilot: An Open-World Knowledge-Augmented LLM Agent for Automated Cryptographic Exploitation},
author = {Xiaonan Liu and Zhihao Li and Xiao Lan and Hao Ren and Haizhou Wang and Xingshu Chen},
journal= {arXiv preprint arXiv:2601.09129},
year = {2026}
}
备注
14 Pages,4 figures