arXiv cs.CL· Ruoyu Wang, Heng Zhao, Renjie Wu, Tianhang Zheng, Mengnan Zhao, Wanyu Lin, Kui Ren·· 11 小时前AI 评分38
AgentSnare：用轨迹自适应欺骗环境延迟、转移并化解自主 Web 渗透智能体
AgentSnare: Learning to Delay, Divert, and Defuse Autonomous Web Penetration Agents
AI 导读
AgentSnare 是一个轨迹自适应欺骗系统，通过随探索扩展的诱饵环境对抗 LLM 渗透智能体。其 ShadowOS 结合 LLM 驱动的诱饵构造器与虚拟内核，并用离线对抗交互模拟框架训练小模型替代昂贵的大 LLM。
正文 · AI 翻译
摘要：大型语言模型智能体通过观察-行动循环实现 Web 渗透测试自动化，使防御方能够借助欺骗性诱饵观测影响其决策。高级智能体能够识别并绕过静态诱饵，随后重新聚焦真实目标。我们提出 AgentSnare，一种随探索过程扩展诱饵环境的轨迹自适应欺骗系统。为支持在线部署，ShadowOS 将 LLM 驱动的诱饵构造器与虚拟内核相结合。它以探索为条件生成诱饵工件，由内核在各交互中一致地实例化并处理，从而维持长时程探索。由于部署强大 LLM 构造诱饵成本高且速度慢，我们利用离线对抗交互模拟框架训练小型 LLM。该框架通过生成候选并保留能维持模拟交互的候选来合成多轮轨迹。在 15 个 CVE-Bench Web 应用和四种攻击者模型上，AgentSnare 将 49.9% 的工具调用吸收到诱饵中以延迟攻击，将 57.2% 的进入后动作保留在诱饵中以转移轨迹，并使 89.5% 的完成报告以诱饵证据为依据以化解威胁；在 60 个攻击者-CVE 组合中，pass@3 下没有真实目标被利用。
| 主题： | 密码学与安全（cs.CR）；计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2607.26998 [cs.CR] |
| （或 arXiv:2607.26998v5 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2607.26998 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Ruoyu Wang [查看邮箱]
[v1]
2026年7月29日星期三 14:56:31 UTC（1,522 KB）
[v2]
2026年8月4日星期二 11:03:49 UTC（1,594 KB）
[v3]
2026年8月11日星期二 08:16:44 UTC（1,594 KB）
[v4]
2026年9月30日星期三 13:52:55 UTC（1,594 KB）
[v5]
2026年11月1日星期日 14:13:59 UTC（1,829 KB）
来源：arXiv cs.CL · arxiv.org