PulseAugur
中
实时 14:03:13
English(EN) Enhancing Linux Privilege Escalation Attack Capabilities of Local LLM Agents

本地大语言模型在Linux权限提升攻击方面已可媲美云端模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员探索了提高本地托管的大语言模型（LLMs）在Linux权限提升攻击方面有效性的方法。他们分析了开源模型的失败模式，并测试了五种干预措施，包括思维链提示和检索增强生成，这些措施已集成到名为hackingBuddyGPT的工具中。研究发现，这些增强措施使Llama3.1 70B等模型能够达到83%的利用率，与GPT-4o等云端模型相当或超越，其中基于反射的治疗被证明是最具影响力的。 AI

影响 增强了本地大语言模型在安全研究方面的能力，可能改进进攻性和防御性网络安全工具。

排序理由 学术论文，详细介绍了LLM能力的实证研究和干预措施。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

本地大语言模型在Linux权限提升攻击方面已可媲美云端模型

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Benjamin Probst, Andreas Happe, J\"urgen Cito ·

    增强本地LLM代理的Linux权限提升攻击能力

    arXiv:2604.27143v1 Announce Type: cross Abstract: Recent research has demonstrated the potential of Large Language Models (LLMs) for autonomous penetration testing, particularly when using cloud-based restricted-weight models. However, reliance on such models introduces security,…

相关实体

相关话题