論文の概要: OllamaDrama: Designing and Deploying a Honeypot to Measure Attacks on Exposed LLM Infrastructure

• arxiv url: http://arxiv.org/abs/2609.29757v1
• Date: Thu, 24 Sep 2026 13:06:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.945145
• Title: OllamaDrama: Designing and Deploying a Honeypot to Measure Attacks on Exposed LLM Infrastructure
• Title（参考訳）: OllamaDrama: 露光LDMインフラ上の攻撃を測定するためのHoneypotの設計とデプロイ
• Abstract要約: バックエンド LLM を使わずに Ollama API をエミュレートする,低・中相互作用ハネポットである Ollure を提示する。 Ollureは84日間動作し、2,793のユニークなIPアドレスから290,887のインタラクションを記録した。
• 参考スコア（独自算出の注目度）: 0.45880283710344066
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Publicly exposed large language model (LLM) infrastructure creates a growing attack surface, yet real-world targeting remains poorly understood. We present Ollure, a low- and medium-interaction honeypot that emulates the Ollama API without a backend LLM. Spanning four deployments across cloud and university networks, Ollure operated for 84 days and recorded 290,887 interactions from 2,793 unique source IP addresses. Most of the activity consisted of automated discovery, fingerprinting, and model enumeration. However, we also observed concrete exploitation attempts against both the infrastructure and LLM layers. These included model management abuse, path traversal and SSRF probes, RCE and cryptocurrency mining payloads, resource exhaustion attempts, prompt injection, information extraction, and agent-oriented tool use. Our results provide empirical insight into real-world threats against exposed, self-hosted LLM services.
• Abstract（参考訳）: 一般公開された大規模言語モデル(LLM)のインフラは、攻撃面を増大させるが、現実世界のターゲティングはあまり理解されていない。 バックエンド LLM を使わずに Ollama API をエミュレートする,低・中相互作用ハネポットである Ollure を提示する。 Ollureは、クラウドと大学のネットワークに4回デプロイし、84日間運用し、2,793のユニークなソースIPアドレスから290,887のインタラクションを記録した。 活動の大部分は、自動発見、指紋認証、モデル列挙によるものだった。 しかし, インフラ層とLLM層の両方に対して, 具体的なエクスプロイトの試みも観察した。 その中には、モデル管理の乱用、パストラバーサルとSSRFプローブ、RCEと暗号通貨マイニングペイロード、リソースの枯渇の試み、インジェクションのインジェクション、情報抽出、エージェント指向ツールの使用が含まれていた。 我々の結果は、暴露された自己ホスト型LLMサービスに対する現実世界の脅威に関する実証的な洞察を提供する。

関連論文リスト

• From Prompt Injection to Web Exploitation: Revisiting Classic Vulnerabilities in LLM-Integrated Applications [0.0]
  大規模言語モデルは、チャットボット、ツールコールパイプライン、エージェントを通じて、ますますWebアプリケーションに統合されている。 これらのシステムでは、ユーザ入力は生成されたテキストだけでなく、データベースクエリ、HTTPリクエスト、ファイル操作、テンプレートレンダリング、API呼び出しといったバックエンドアクションにも影響を及ぼす可能性がある。 本稿では,攻撃者が制御する入力を LLM 統合アプリケーションによって変換し,従来の Web アプリケーション・シンクに到達させる攻撃のクラスである LLM を利用した Web 攻撃について紹介する。
  論文  参考訳（メタデータ） (2026-08-10T22:24:16Z)
• Towards Demystifying and Repairing LLM-in-the-Loop Vulnerabilities [22.313168715963315]
  LLM(Large Language Models)は、現代のソフトウェアシステムに重要なコンポーネントとして積極的に統合されている。 LLMs-in-the-loopの脆弱性では、LLMとその依存する下流コンポーネント(フレームワークなど)が新たなリスクを導入している。 これらの脆弱性は、特にPass@1レートが28.57%であるプロンプトインジェクションを含む場合、正確に修正することがより困難である。
  論文  参考訳（メタデータ） (2026-05-27T08:11:37Z)
• Analysis of LLMs Against Prompt Injection and Jailbreak Attacks [7.685814179879813]
  この研究は、大規模な手動でキュレートされたデータセットを使用して、プロンプトインジェクションとジェイルブレイクの脆弱性を評価する。 内部安全機構によって引き起こされる、拒絶応答や完全な無声応答を含むモデル間での行動変化を観察する。
  論文  参考訳（メタデータ） (2026-02-24T12:32:11Z)
• Inducing Vulnerable Code Generation in LLM Coding Assistants [10.067898047221558]
  本稿では,攻撃者が参照外部情報を利用して攻撃シーケンスを埋め込むHACKODEという現実世界の脅威を明らかにする。 我々は攻撃のプロトタイプを設計し、潜在的に多様な入力に対して効果的な攻撃シーケンスを生成する。 現実世界のアプリケーションでは、HACKODEは75.92%のASRを達成した。
  論文  参考訳（メタデータ） (2025-04-22T13:09:20Z)
• Commercial LLM Agents Are Already Vulnerable to Simple Yet Dangerous Attacks [88.84977282952602]
  最近のMLセキュリティ文献は、整列型大規模言語モデル(LLM)に対する攻撃に焦点を当てている。 本稿では,LLMエージェントに特有のセキュリティとプライバシの脆弱性を分析する。 我々は、人気のあるオープンソースおよび商用エージェントに対する一連の実証的な攻撃を行い、その脆弱性の即時的な影響を実証した。
  論文  参考訳（メタデータ） (2025-02-12T17:19:36Z)
• Get my drift? Catching LLM Task Drift with Activation Deltas [55.75645403965326]
  タスクドリフトは攻撃者がデータを流出させたり、LLMの出力に影響を与えたりすることを可能にする。 そこで, 簡易線形分類器は, 分布外テストセット上で, ほぼ完全なLOC AUCでドリフトを検出することができることを示す。 このアプローチは、プロンプトインジェクション、ジェイルブレイク、悪意のある指示など、目に見えないタスクドメインに対して驚くほどうまく一般化する。
  論文  参考訳（メタデータ） (2024-06-02T16:53:21Z)
• The Wolf Within: Covert Injection of Malice into MLLM Societies via an MLLM Operative [55.08395463562242]
  MLLM(Multimodal Large Language Models)は、AGI(Artificial General Intelligence)の新たな境界を常に定義している。 本稿では,MLLM社会において,悪意のあるコンテンツの間接的伝播という新たな脆弱性について検討する。
  論文  参考訳（メタデータ） (2024-02-20T23:08:21Z)
• Not what you've signed up for: Compromising Real-World LLM-Integrated Applications with Indirect Prompt Injection [64.67495502772866]
  大規模言語モデル(LLM)は、様々なアプリケーションに統合されつつある。 本稿では、プロンプトインジェクション攻撃を用いて、攻撃者が元の命令をオーバーライドし、制御を採用する方法を示す。 我々は、コンピュータセキュリティの観点から、影響や脆弱性を体系的に調査する包括的な分類法を導出する。
  論文  参考訳（メタデータ） (2023-02-23T17:14:38Z)

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。