SPADE：利用生成式 AI 与结构化提示工程增强自适应网络欺骗策略
密码学与安全
2025-01-03 v1
摘要
现代恶意软件的快速演进对开发有效的防御机制提出了重大挑战。传统的网络欺骗技术通常依赖于静态或手动配置的参数，限制了其对动态和复杂威胁的适应性。本研究利用生成式 AI（GenAI）模型实现自适应网络欺骗策略的自动化生成，重点关注结构化提示工程（PE），以增强相关性、可操作性和可部署性。我们提出了一个系统框架（SPADE），以应对大型语言模型（LLM）在自适应欺骗中固有的挑战，包括输出过于泛化、模糊性、上下文信息利用不足以及可扩展性限制。在多种恶意软件场景下，使用召回率、精确匹配（EM）、BLEU 分数和专家质量评估等指标进行的评估表明，ChatGPT-4o 表现最佳。此外，它在极少的微调下实现了高参与度（93%）和高准确率（96%）。Gemini 和 ChatGPT-4o Mini 表现出相当的竞争力，而 Llama3.2 尽管需要进一步优化，但也展现出了潜力。这些发现突显了 GenAI 在自动化可扩展、自适应欺骗策略方面的变革潜力，并强调了结构化 PE 在推进现实世界网络安全应用中的关键作用。
引用
@article{arxiv.2501.00940,
title = {SPADE: Enhancing Adaptive Cyber Deception Strategies with Generative AI and Structured Prompt Engineering},
author = {Shihab Ahmed and A B M Mohaimenur Rahman and Md Morshed Alam and Md Sajidul Islam Sajid},
journal= {arXiv preprint arXiv:2501.00940},
year = {2025}
}