摘要
针对现有基于深度强化学习(DRL)的自主网络防御系统仅针对静态红队进行评估的不足,本文提出Trident,一个基于LLM的红队对抗框架。该框架包含动态基准测试、高保真交互数据集及“代码即策略”架构。通过Log Summarizer-Planner-Coder设计,可训练的Planner从压缩日志中生成完整攻击策略,由冻结的Coder转化为Python策略部署于真实DRL防御者。实验表明,Trident使蓝方防御性能平均下降522%,并自主发现如规避诱饵等静态启发式方法无法发现的涌现行为。
AI 推荐理由
论文核心提出Trident框架,其中Planner模块负责生成完整的攻击策略,属于典型的Agent任务规划与多步计划生成研究。
研究机构
University of California, Irvine
Northeastern University
论文信息