論文の概要: Can LLM Agents Simulate Dynamic Networks? A Case Study on Email Networks with Phishing Synthesis

• arxiv url: http://arxiv.org/abs/2605.12507v1
• Date: Fri, 20 Mar 2026 15:23:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 12:34:33.753592
• Title: Can LLM Agents Simulate Dynamic Networks? A Case Study on Email Networks with Phishing Synthesis
• Title（参考訳）: LLMエージェントは動的ネットワークをシミュレートできるか?
• Authors: Siqi Miao, Ziyang Chen, Yuhong Luo, Hans Hao-Hsun Hsu, Mufei Li, Kaiqing Zhang, Pan Li,
• Abstract要約: シミュレーションフレームワークに2つの容易に統合可能な拡張を導入し、マクロなネットワークの忠実さを確実に維持する。 提案手法により,Large Language Model (LLM)マルチエージェントシステムは,可塑性マイクロレベルパターンとマクロトポロジーの両方をキャプチャできる。 この研究は、脅威がどのように構造的脆弱性を悪用しているかを明らかにし、次世代防衛を開発するための我々のフレームワークの可能性を強調している。
• 参考スコア（独自算出の注目度）: 34.70105958627325
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While Large Language Model (LLM) multi-agent systems (MAS) offer a transformative approach to simulating human behavior in complex systems, it remains largely unexplored whether these simulations can replicate realistic structural and temporal dynamics from a dynamic network perspective. Our evaluation indicates that existing frameworks excel at generating plausible micro-level interactions but fail to capture the emergent, macroscopic topologies necessary for domains that rely on realistic network dynamics, such as modeling information propagation and cybersecurity threats. To bridge this gap, we introduce two easily integrable extensions to simulation frameworks to ensure they preserve macroscopic network fidelity: 1) augmenting LLM agents with data-driven event triggers to organically sustain long-horizon interactions, and 2) integrating Hawkes processes to accurately model temporal activation dynamics. Our approach allows LLM MAS to capture both plausible micro-level patterns and macroscopic topologies. We further demonstrate the utility of this framework in synthesizing realistic phishing campaigns within evolving communication networks. The study reveals how threats exploit structural vulnerabilities, highlighting the potential of our framework for developing next-generation defenses. Our code is available at https://github.com/Graph-COM/NSL.
• Abstract（参考訳）: 大規模言語モデル(LLM)マルチエージェントシステム(MAS)は、複雑なシステムにおける人間の振る舞いをシミュレーションするための変換的アプローチを提供するが、これらのシミュレーションが動的ネットワークの観点から現実的な構造的・時間的ダイナミクスを再現できるかどうかについては明らかにされていない。 本評価は,情報伝達やサイバーセキュリティの脅威をモデル化するなど,現実的なネットワーク力学に依存する領域に必要な,創発的でマクロなトポロジを抽出する上で,既存のフレームワークが優れていることを示す。 このギャップを埋めるために、シミュレーションフレームワークに2つの簡単に統合可能な拡張を導入する。 1)長期的相互作用を有機的に維持するデータ駆動イベントトリガーによるLLMエージェントの増強 2) 時間的アクティベーションダイナミクスを正確にモデル化するためにホークスプロセスを統合する。 提案手法により, LLM MASは可塑性マイクロレベルパターンとマクロトポロジーの両方を捉えることができる。 さらに、進化する通信ネットワークにおいて、現実的なフィッシングキャンペーンを合成する上で、このフレームワークの有用性を実証する。 この研究は、脅威がどのように構造的脆弱性を悪用しているかを明らかにし、次世代防衛を開発するための我々のフレームワークの可能性を強調している。 私たちのコードはhttps://github.com/Graph-COM/NSL.orgで公開されています。

関連論文リスト

• Telecom World Models: Unifying Digital Twins, Foundation Models, and Predictive Planning for 6G [60.29349053952935]
  本稿では,テレコムシステムダイナミクスの学習,行動条件,不確実性を考慮したモデリングのためのアーキテクチャであるTWM(Telecom World Model)の概念を紹介する。 本研究では,空間環境予測のためのフィールドワールドモデル,動作条件付きキーパフォーマンス指標(KPI)軌道予測のための制御/力学ワールドモデル,意図翻訳とオーケストレーションのための通信基盤モデルレイヤからなる3層アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-04-08T09:41:58Z)
• Enhancing Cloud Network Resilience via a Robust LLM-Empowered Multi-Agent Reinforcement Learning Framework [9.460661802313835]
  CyberOps-Botsは、Large Language Models (LLM)によって強化された階層型マルチエージェント強化学習フレームワークである。 実際のクラウドデータセットの実験では、最先端のアルゴリズムと比較して、CyberOps-Botsはネットワーク可用性を68.5%高く維持している。 当社のフレームワークをコミュニティにリリースし、クラウドネットワークにおける堅牢で自律的な防衛の進展を促進します。
  論文  参考訳（メタデータ） (2026-01-12T01:25:41Z)
• Agent-based simulation of online social networks and disinformation [35.38015952060615]
  本稿では、人口動態に基づく性格特性と有限状態行動オートマトンを用いた合成ソーシャルネットワークをモデル化するシミュレーションフレームワークを提案する。 大規模言語モデル(LLM)を利用した生成モジュールは、各エージェントのプロファイルとメモリに整合したコンテキスト対応のソーシャルメディアポストを生成する。 レッドモジュールは、シミュレーションされたオーディエンスをターゲットにした悪意のあるエージェントによって実行されるdisARMにインスパイアされた偽情報キャンペーンを実装している。
  論文  参考訳（メタデータ） (2025-12-26T16:56:45Z)
• Grounded in Reality: Learning and Deploying Proactive LLM from Offline Logs [72.08224879435762]
  textttLearn-to-Askは、プロアクティブな対話エージェントの学習とデプロイのためのシミュレータフリーフレームワークである。 当社のアプローチは,LLMの大規模オンラインAIサービスへの展開を成功に導くものです。
  論文  参考訳（メタデータ） (2025-10-29T12:08:07Z)
• AgentCyTE: Leveraging Agentic AI to Generate Cybersecurity Training & Experimentation Scenarios [0.19999259391104388]
  本稿では,大規模言語モデルと決定論的・スキーマ制約付きネットワークエミュレーションを統合したフレームワークであるAgentCyTEを提案する。 AgentCyTEはシナリオの結果を観察し、正確性を検証し、リアリズムと一貫性を反復的に強化する。
  論文  参考訳（メタデータ） (2025-10-29T05:44:12Z)
• KPFlow: An Operator Perspective on Dynamic Collapse Under Gradient Descent Training of Recurrent Networks [9.512147747894026]
  勾配流を2つの作用素を含む積に分解する方法を示す。 それらの相互作用がGDの下での低次元潜在力学にどのように影響するかを示す。 マルチタスクトレーニングでは,各サブタスクの目的がどのように一致しているかを演算子を用いて測定できることが示される。
  論文  参考訳（メタデータ） (2025-07-08T20:33:15Z)
• Topological Structure Learning Should Be A Research Priority for LLM-Based Multi-Agent Systems [69.95482609893236]
  大規模言語モデルに基づくマルチエージェントシステム(MAS)は、協調的な知性によって複雑なタスクに取り組むための強力なパラダイムとして登場した。 我々は,エージェント間相互作用の構造を明示的にモデル化し,動的に最適化する,エフェトロジーを意識したMASへのパラダイムシフトを求める。
  論文  参考訳（メタデータ） (2025-05-28T15:20:09Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Deep learning of contagion dynamics on complex networks [0.0]
  本稿では,ネットワーク上での感染動態の効果的なモデルを構築するために,ディープラーニングに基づく補完的アプローチを提案する。 任意のネットワーク構造をシミュレーションすることで,学習したダイナミックスの性質を学習データを超えて探索することが可能になる。 この結果は,ネットワーク上での感染動態の効果的なモデルを構築するために,ディープラーニングが新たな補完的な視点を提供することを示す。
  論文  参考訳（メタデータ） (2020-06-09T17:18:34Z)

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。