論文の概要: Large Language Models are Few-shot Generators: Proposing Hybrid Prompt
Algorithm To Generate Webshell Escape Samples
- arxiv url: http://arxiv.org/abs/2402.07408v1
- Date: Mon, 12 Feb 2024 04:59:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-13 15:29:12.155966
- Title: Large Language Models are Few-shot Generators: Proposing Hybrid Prompt
Algorithm To Generate Webshell Escape Samples
- Title(参考訳): 大規模言語モデル:Webshellのエスケープサンプルを生成するハイブリッドプロンプトアルゴリズムの提案
- Authors: Mingrui Ma, Lansheng Han, Chunjie Zhou
- Abstract要約: 大規模言語モデルの助けを借りてウェブシェルエスケープサンプル生成のためのHybrid Promptアルゴリズムを提案する。
実験結果から,Hybrid Promptアルゴリズムはコード推論能力に優れ,高品質なウェブシェルサンプルを生成することができることがわかった。
- 参考スコア(独自算出の注目度): 1.8233316086214963
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The frequent occurrence of cyber-attacks has made webshell attacks and
defense gradually become a research hotspot in the field of network security.
However, the lack of publicly available benchmark datasets and the
over-reliance on manually defined rules for webshell escape sample generation
have slowed down the progress of research related to webshell escape sample
generation strategies and artificial intelligence-based webshell detection
algorithms. To address the drawbacks of weak webshell sample escape
capabilities, the lack of webshell datasets with complex malicious features,
and to promote the development of webshell detection technology, we propose the
Hybrid Prompt algorithm for webshell escape sample generation with the help of
large language models. As a prompt algorithm specifically developed for
webshell sample generation, the Hybrid Prompt algorithm not only combines
various prompt ideas including Chain of Thought, Tree of Thought, but also
incorporates various components such as webshell hierarchical module and
few-shot example to facilitate the LLM in learning and reasoning webshell
escape strategies. Experimental results show that the Hybrid Prompt algorithm
can work with multiple LLMs with excellent code reasoning ability to generate
high-quality webshell samples with high Escape Rate (88.61% with GPT-4 model on
VIRUSTOTAL detection engine) and Survival Rate (54.98% with GPT-4 model).
- Abstract(参考訳): サイバー攻撃の頻発により、webshell攻撃と防御は徐々にネットワークセキュリティの分野で研究のホットスポットとなっている。
しかしながら、公開されているベンチマークデータセットの欠如と、webshellエスケープサンプル生成の手動定義ルールへの過度な依存により、webshellエスケープサンプル生成戦略と人工知能ベースのwebshell検出アルゴリズムに関する研究の進展が鈍化している。
弱いウェブシェルサンプルエスケープ機能,複雑な悪意のある特徴を持つウェブシェルデータセットの欠如,およびWebシェル検出技術の開発を促進するために,大規模言語モデルの助けを借りてウェブシェルサンプル生成のためのHybrid Promptアルゴリズムを提案する。
webshellサンプル生成用に特別に開発されたプロンプトアルゴリズムとして、ハイブリッドプロンプトアルゴリズムは、思考連鎖、思考のツリーを含む様々なプロンプトアイデアを結合するだけでなく、webshell階層モジュールや、webshellエスケープ戦略の学習と推論におけるllmの促進のための、少数のサンプルを含む。
実験の結果、ハイブリッドプロンプトアルゴリズムは、高いエスケープ率(gpt-4モデルによる88.61%)と生存率(gpt-4モデルによる54.98%)で高品質なwebshellサンプルを生成するコード推論能力に優れた複数のllmで動作することがわかった。
関連論文リスト
- AutoCrawler: A Progressive Understanding Web Agent for Web Crawler Generation [55.86438100985539]
垂直情報Webページのためのクローラ生成タスクを提案する。
本稿では,段階的理解のためにHTMLの階層構造を利用する2段階フレームワークであるAutoCrawlerを提案する。
論文 参考訳(メタデータ) (2024-04-19T09:59:44Z) - Code-Aware Prompting: A study of Coverage Guided Test Generation in Regression Setting using LLM [32.44432906540792]
テスト生成における大規模言語モデルのコード認識促進戦略であるSymPromptを提案する。
SymPromptは、正しいテスト世代を5倍に増やし、CodeGen2の相対カバレッジを26%向上させる。
特に、GPT-4に適用すると、SymPromptはベースラインのプロンプト戦略に比べて2倍以上のカバレッジが向上する。
論文 参考訳(メタデータ) (2024-01-31T18:21:49Z) - A Quality-based Syntactic Template Retriever for
Syntactically-controlled Paraphrase Generation [67.98367574025797]
既存の構文制御されたパラフレーズ生成モデルは、人間の注釈付きまたはよく書かれた構文テンプレートで有望に機能する。
禁止コストにより、ソース文ごとに適切なテンプレートを手作業で設計することは不可能になります。
本稿では,QSTR(Quality-based Syntactic Template Retriever)を提案する。
論文 参考訳(メタデータ) (2023-10-20T03:55:39Z) - Detecting Language Model Attacks with Perplexity [0.0]
LLM(Large Language Models)を含む新たなハックが出現し、敵の接尾辞を利用してモデルを騙し、危険な応答を発生させた。
難易度とトークン長を訓練したLight-GBMは偽陽性を解消し、テストセットのほとんどの敵攻撃を正しく検出した。
論文 参考訳(メタデータ) (2023-08-27T15:20:06Z) - WebGLM: Towards An Efficient Web-Enhanced Question Answering System with
Human Preferences [32.70333236055738]
WebGLMは、一般言語モデル(GLM)に基づくWebによる質問応答システムである
LLM強化レトリバー、ブートストラップ付きジェネレータ、人間の嗜好認識スコアラーの戦略を用いてWebGLMを開発する。
論文 参考訳(メタデータ) (2023-06-13T16:57:53Z) - Guiding Large Language Models via Directional Stimulus Prompting [114.84930073977672]
我々は,特定の所望の出力に対して,ブラックボックス大言語モデル(LLM)を導くための新しいフレームワークであるDirectional Stimulus Promptingを紹介する。
LLMを直接調整するのではなく、小さな調整可能なポリシーモデルを用いて各入力インスタンスに対して補助的な指向性刺激プロンプトを生成する。
論文 参考訳(メタデータ) (2023-02-22T17:44:15Z) - HeroNet: A Hybrid Retrieval-Generation Network for Conversational Bots [0.8602553195689513]
既存のボットは通常、検索ベースまたは生成ベースアプローチによって開発される。
本稿では,3つのアイデアを持つハイブリッド検索生成ネットワーク(HeroNet)を提案する。
HeroNetは、お互いのパフォーマンスを最大化しながら、検索と生成の両方のタスクを同時に解決することができる。
論文 参考訳(メタデータ) (2023-01-29T09:36:44Z) - Chatbots in a Botnet World [0.0]
この研究は、MITRE ATT&CKフレームワークのステージとして一般的に適する13のコーディングタスクを実証している。
実験的なプロンプトは、キーロガー、論理爆弾、難読化ワーム、および支払い満載のランサムウェアの例を生成する。
論文 参考訳(メタデータ) (2022-12-18T16:08:40Z) - Multi-Modal Few-Shot Object Detection with Meta-Learning-Based
Cross-Modal Prompting [77.69172089359606]
本稿では,マルチモーダルな複数ショットオブジェクト検出(FSOD)について,少数ショット視覚例とクラスセマンティック情報の両方を用いて検討する。
我々のアプローチは、(メトリックベース)メタラーニングとプロンプトベースラーニングの高レベルな概念的類似性によって動機付けられている。
提案するマルチモーダルFSODモデルを,複数の複数ショットオブジェクト検出ベンチマークで総合的に評価し,有望な結果を得た。
論文 参考訳(メタデータ) (2022-04-16T16:45:06Z) - Speech Command Recognition in Computationally Constrained Environments
with a Quadratic Self-organized Operational Layer [92.37382674655942]
軽量ネットワークの音声コマンド認識能力を向上するネットワーク層を提案する。
この手法はテイラー展開と二次形式の概念を借用し、入力層と隠蔽層の両方における特徴のより良い表現を構築する。
このリッチな表現は、Google音声コマンド(GSC)と合成音声コマンド(SSC)データセットに関する広範な実験で示されているように、認識精度の向上をもたらす。
論文 参考訳(メタデータ) (2020-11-23T14:40:18Z) - A Provably Efficient Sample Collection Strategy for Reinforcement
Learning [123.69175280309226]
オンライン強化学習(RL)における課題の1つは、エージェントがその振る舞いを最適化するために、環境の探索とサンプルの活用をトレードオフする必要があることである。
1) 生成モデル(環境のスパースシミュレータなど)にアクセス可能な状態のサンプル数を規定する「対象別」アルゴリズム,2) 所定のサンプルをできるだけ早く生成する「対象別」サンプル収集。
論文 参考訳(メタデータ) (2020-07-13T15:17:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。