基于工具的恶意软件动态分析：利用 GPT-4

Dec, 2023

基于工具的恶意软件动态分析：利用 GPT-4

Prompt Engineering-assisted Malware Dynamic Analysis Using GPT-4

Pei Yan, Shunquan Tan, Miaohui Wang, Jiwu Huang

TL;DR通过使用 GPT-4 进行提示工程辅助的恶意软件动态分析方法，在 API 序列中为每个 API 调用创建说明性文本，利用预训练的语言模型 BERT 获取文本的表示，从而获得 API 序列的表示。通过这种方法，本文提出能够生成所有 API 调用的表示，无需在生成过程中进行数据集训练。利用该表示，设计了一种基于 CNN 的检测模型，并通过五个基准数据集验证了该模型的性能优于最先进的方法 (TextCNN)。在跨数据库实验和少样本学习实验中，该模型表现出良好的检测性能，并几乎达到 100％的恶意软件召回率，证实了其卓越的泛化性能。

Abstract

dynamic analysis methods effectively identify shelled, wrapped, or obfuscated malware, thereby preventing them from invading computers. As a significant representation of dynamic malware behavior, the API (Application Programming Interface) sequence, comprised of consecutive API calls,

dynamic analysis methods api sequence malware detection prompt engineering-assisted malware dynamic analysis gpt-4

发现论文，激发创造

利用特征工程和特征学习进行动态恶意软件分析

该研究提出了一种基于神经网络的低成本特征提取方法，能够准确快速地检测恶意软件，通过实验发现，在真实数据集上，该方法在特征工程和架构设计方面有较好的表现。

Jul, 2019

利用创新的 GPT-4 API

通过灰盒访问 API，文章发现了 GPT-4 APIs 的三个新功能：微调、函数调用和知识检索，揭示了这些功能的潜在漏洞，包括消除核心保护、执行任意函数调用和操纵知识检索。

Dec, 2023

语言模型攻击技术

使用 PromptInject 对 GPT-3 进行了安全性评估，发现针对 goal hijacking 和 prompt leaking 的手工输入攻击可以利用 GPT-3 的随机性，导致潜在的风险

Nov, 2022

动态掩码令牌表示的动态提示

本篇论文提出了一种改进的 Prompt-based fine-tuning 方法，名为 DynaMaR，它通过动态 Prompt 和 Mask Token 表征来解决过度拟合和人工规划任务的问题，并在四个电子商务应用中实现了平均 10% 的 few-shot 设置和 3.7% 的数据丰富设置的性能提高。

Jun, 2022

面向基于提示的 NLP 模型的模板可转移背门攻击

利用 GPT4 生成模板进行数据无关的迁移攻击，实现对基于提示的自然语言处理模型的优越攻击性能和隐蔽性。

Nov, 2023

UMass-BioNLP 在 MEDIQA-M3G 2024 中的 DermPrompt：基于 GPT-4V 的皮肤诊断系统的系统化探索

通过整合大型多模型，特别是利用 GPT-4V 在检索者和重新排序框架下的能力，本研究提出了一种诊断临床皮肤病例的新方法，实验证明使用 GPT-4V 作为检索代理在检索皮肤病情时能够准确地检索到正确的皮肤状况，同时通过多智能体对话框架进行诊断可提供更早和准确的诊断。

Apr, 2024

用 GPT-4 增强 CLIP：利用视觉描述作为提示

我们展示了如何使用 GPT-4 生成视觉描述性文本，并说明如何将其用于适应 CLIP 进行下游任务。与 CLIP 的默认提示相比，在专门的细粒度数据集上，我们在 0-shot 传输准确性方面取得了显著的改进。我们还设计了一个简单的 few-shot 适配器，学习选择最佳的句子来构建具有优越性能的可推广分类器。

Jul, 2023

使用零射击启发局部差分隐私文档生成

使用 DP-Prompt 及类似 ChatGPT 的强大语言模型在 IMDB 数据集上进行实验，发现其能够有效减少 de-anonymization 攻击成功率，并在与现有方法相比设计更简单的情况下，完全恢复了清洁情感 F1 分数，同时在对抗静态攻击者和自适应攻击者方面分别实现了 46% 和 26% 的减少

Oct, 2023

ChatGPT 应用于数字取证调查：益处、弊端与未知

这篇论文评估了 ChatGPT（GPT-3.5、GPT-4）对数字取证领域的影响和潜在影响，重点关注最新的预训练 LLM GPT-4，通过一系列实验评估了它在包括文物理解、证据搜索、代码生成、异常检测、事件响应和教育等多个数字取证应用场景中的能力，并总结了它的优势和风险。综合而言，尽管 ChatGPT 在数字取证领域存在一些潜在的低风险应用，但很多应用目前不适用，因为需要将证据上传至服务端，或者需要对所询问的话题具有足够的知识以识别错误的假设、不准确性和错误。然而，对于合适的知识用户而言，在某些情况下，它可以作为一个有用的辅助工具。

Jul, 2023

仅需提示和样本，使用 GPT-4 在低资源分类任务中进行数据增强

本文通过简单的提示使用 GPT-4 和 ChatGPT 增强有限的标注语料库，用于三种不同的分类任务，在低资源环境中通过生成的合成样本，测试了两种扩充策略：一种是维护原始标签分布，另一种则是平衡分布，实验发现，合成数据有助于实现很好的下游任务效果和极少见类别的识别。

Apr, 2023