AI模型生成与真实样本高度相似的PowerShell恶意软件

研究人员开发了一个实验性框架，用于评估大型语言模型（LLMs）生成PowerShell恶意软件的能力。该框架包括一种新颖的沙箱方法进行动态分析，以及一个真实PowerShell恶意软件的精选数据集。研究发现，允许自由使用的、开源的LLMs可以生成与人类编写的样本高度相似的恶意软件，其中位Jaccard指数为84.5%，近一半的生成实例与真实恶意软件完全重叠。 AI

影响 凸显了AI生成恶意软件日益增长的威胁，迫使网络安全专业人士采用先进的检测和分析技术。

排序理由 该集群基于一篇在arXiv上发表的研究论文，该论文详细介绍了用于分析AI生成恶意软件的实验性框架和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AI Code Generators for Security: Friend or Foe?
• arXiv
• dataset
• Experimental framework and evaluation of the 5G-Crosshaul control infrastructure
• generative artificial intelligence
• Jaccard index
• Open-weight LLMs
• OS malicious events
• PowerShell
• sandbox approach

• 论文
• 安全

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