跳到正文
arXiv cs.AI· Philipp Normann, Andreas Happe, J\"urgen Cito, Daniel Arp·· 4 小时前AI 评分42

面向可靠本地安全智能体:Linux 提权的可验证后训练方法

Towards Reliable Local Security Agents: Verifiable Post-Training for Linux Privilege Escalation

AI 导读

研究者提出两阶段后训练方案,将 4B 小模型训练为 Linux 提权安全智能体 PrivEsc-LLM 4B:先对程序化提权环境轨迹做监督微调,再用可验证奖励强化学习。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:LLM 智能体在安全领域日益重要,但领先的系统通常是闭源且托管在云端的,这限制了可复现性及其在敏感数据上的使用。这就产生了对能够在严格资源约束下执行安全任务的小型本地模型的需求,然而开发此类模型的有效方法仍鲜有探索。在本文中,我们通过提出一种两阶段后训练方法填补这一空白,该方法可将小型本地语言模型转变为安全智能体。为此,我们聚焦 Linux 提权这一代表性场景,以系统研究本地模型的训练,因为该任务可自动验证且需要多步交互推理。在可缓解基准泄漏的实验设置下,我们分两个阶段对一个小型 4B 模型进行后训练:先在程序化提权环境的轨迹上进行监督微调,然后进行带可验证奖励的强化学习。在包含 12 个 Linux 提权场景的留出基准上,在 20 轮交互的严格预算下,监督微调几乎将基线成功率翻倍,随后的强化学习将我们的模型 PrivEsc-LLM 4B 提升至 93.3% 的成功率,领先于所有其他可在单张消费级 GPU 上运行的受评估模型。同时,其每次成功提权的预期推理成本比 Claude Opus 4.7 低 80 倍以上。我们的研究结果表明,小型本地模型可以适配复杂的安防任务。我们记录了其中的挑战,并为将该方法迁移到其他场景提供了指导。
评论: 已被第 42 届年度计算机安全应用会议(ACSAC 2026)接收。工件可用、功能完整且可复现
主题: 密码学与安全(cs.CR);人工智能(cs.AI)
引用为: arXiv:2603.17673 [cs.CR]
  (或 arXiv:2603.17673v3 [cs.CR] 用于此版本)
  https://doi.org/10.48550/arXiv.2603.17673

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Philipp Normann [查看电子邮件]
[v1] 2026 年 3 月 18 日星期三 12:52:54 UTC(168 KB)
[v2] 2026 年 7 月 3 日星期五 16:10:40 UTC(682 KB)
[v3] 2026 年 11 月 17 日星期二 00:30:07 UTC(692 KB)

来源:arXiv cs.AI · arxiv.org