Feb, 2024
大型语言模型是少样本生成器：提出混合提示算法生成 Webshell 逃逸样本
Large Language Models are Few-shot Generators: Proposing Hybrid Prompt Algorithm To Generate Webshell Escape Samples
Mingrui Ma, Lansheng Han, Chunjie Zhou
TL;DR我们提出了使用大型语言模型的混合提示算法来生成网络外壳样本，以解决网络安全领域中与网络外壳样本生成策略和基于人工智能的网络外壳检测算法相关的研究的缺点，如弱网络外壳样本逃逸能力、缺乏具有复杂恶意特征的网络外壳数据集，并促进网络外壳检测技术的发展。实验结果表明，该混合提示算法结合了各种提示思路，并引入了网络外壳分层模块和少样本示例，可与多个大型语言模型合作工作，在学习和推理网络外壳逃逸策略方面具有出色的代码推理能力，生成具有高逃逸率（VIRUSTOTAL 检测引擎上 GPT-4 模型为 88.61%）和存活率（VIRUSTOTAL 检测引擎上 GPT-4 模型为 54.98%）的高质量网络外壳样本。