BriefGPT.xyz
Aug, 2023
LLM外壳中的生成型蜜罐
LLM in the Shell: Generative Honeypots
HTML
PDF
Muris Sladić, Veronica Valeros, Carlos Catania, Sebastian Garcia
TL;DR
本研究提出了一种基于大型语言模型的动态真实软件蜜罐的新方法,初步结果表明该方法能够解决先前蜜罐的一些重要限制,如确定性应答、适应性不足等,我们通过与攻击者实施的实验评估了每个命令的真实性,所提出的蜜罐(称为shelLM)的准确率达到0.92。
Abstract
honeypots
are essential tools in cybersecurity. However, most of them (even the high-interaction ones) lack the required
realism
to engage and fool human attackers. This limitation makes them easily discernible,
→