PenHeal：用于自动渗透测试与最优修复的两阶段 LLM 框架
密码学与安全
2024-07-26 v1
摘要
近期大语言模型 (LLM) 的快速发展展现出在增强针对复杂威胁的网络安全防御方面巨大的潜力。基于 LLM 的渗透测试是自动化系统安全评估的关键步骤，通过识别漏洞实现。修复作为随后的关键环节，则针对这些被发现的漏洞进行修复。由于漏洞细节、利用方法以及软件版本对揭示系统弱点的关键信息不断增多，将渗透测试与漏洞修复集成到一个连贯的系统已成为理所当然且必要的。本文介绍 PenHeal，一个用于自动识别和缓解安全漏洞的两阶段 LLM 框架。该框架集成了两个 LLM 组件：渗透测试模块用于检测系统中的多个漏洞，修复模块用于推荐最优修复策略。通过对抗提示和一个指导模块集成实现，后者利用外部知识引导 LLM 有效探索多种潜在攻击路径。我们的实验结果表明，PenHeal 不仅自动化了漏洞的识别与修复，还使漏洞覆盖率提升 31%，修复策略的有效性提高 32%，相关成本降低 46%，显著优于基线模型。这些结果凸显了 LLM 在重塑网络安全实践方面的变革性潜力，为防御网络威胁提供了创新解决方案。
引用
@article{arxiv.2407.17788,
title = {PenHeal: A Two-Stage LLM Framework for Automated Pentesting and Optimal Remediation},
author = {Junjie Huang and Quanyan Zhu},
journal= {arXiv preprint arXiv:2407.17788},
year = {2024}
}