AgentTrap: Stateful Feedback Deception against Autonomous Penetration Testing Agents
本文聚焦于自主渗透测试智能体与蜜罐防御之间的攻防博弈。这类智能体能够根据目标返回结果持续调整多步攻击计划，具备较强的自适应与多轮探测能力；而传统蜜罐主要依赖静态诱饵和预定义响应，无法随智能体策略演化而调整，容易被识破、绕过或快速放弃，难以长
#honeypot
共收录 15 条相关情报。
← 返回所有主题OllamaDrama: Designing and Deploying a Honeypot to Measure Attacks on Exposed LLM Infrastructure
公开暴露的大语言模型（LLM）基础设施正在形成一个新的、快速增长的攻击面，但学界与业界对攻击者实际如何针对这类服务开展攻击仍了解甚少——现有工作多停留在配置错误扫描或理论风险推演，缺乏来自真实互联网流量的长期实证数据。为弥补这一空白，作者设
Rouxii: Exploiting Honeypots with Deception-Aware AI Pentesters
蜜罐的核心假设是通过伪装把攻击者引入歧途，近期研究还表明蜜罐能够扰乱基于 LLM 的自主渗透测试智能体；但这些评测大多默认攻击者对所处的欺骗环境毫不知情。本文研究的是相反场景：攻击者被明确赋予识别并利用蜜罐指纹的能力。作者提出 Rouxii
HoneyRoute: Honeypot-Model Routing for Adversarial LLM Serving
本文提出了一种名为 HoneyRoute 的推理服务层，用于在面向对抗性的大语言模型（LLM）服务中检测恶意请求并将其路由到专用蜜罐模型，从而保护生产模型，同时持续收集攻击者交互并转化为情报。现有防御通常将陷阱嵌入模型内存或在协议层重建欺骗
LLM-Based Penetration Testing in the Presence of Honeypots
该论文研究了大语言模型（LLM）智能体在自动化渗透测试中面对蜜罐（honeypots）时的预算分配问题。传统蜜罐依赖真实性与隐蔽性来诱捕人类或脚本攻击者，从而暴露其战术、技术与程序（TTPs）；然而，LLM驱动的攻击者能够对异构工件进行推理
Improving LLM-Based SSH Honeypots Through Prompting and Fine-Tuning
该论文研究了如何通过提示设计与监督微调来改进基于本地 LLM 的 SSH 蜜罐的 shell 模拟准确性。研究背景是：现有 LLM 蜜罐通常依赖闭源云模型（如 GPT-3.5）以获得高度真实的 shell 交互体验，但云模型带来部署层面的问
Chameleon: An Adaptive AI-Driven Honeypot Architecture Using Threat-Calibrated Particle Swarm Optimization and Semantic Deception Rapidly-Exploring Random Trees
该论文提出了一种名为 Chameleon 的自适应蜜罐架构，旨在解决传统蜜罐的两个核心缺陷：一是行为轮廓固定不变，熟练攻击者仅需少量诊断命令即可识别出蜜罐环境，从而限制其情报收集价值；二是高成本商业欺骗产品（年费约 10 万至 15 万美元
Practical Graph Optimisation and AI-Driven Models for Active Directory Security Hardening
本文研究了Microsoft Active Directory (AD) 安全加固中的实践挑战。AD作为企业核心管理服务，常成为攻击目标。现有攻击图谱加固方案存在三大局限：1）假设图谱静态，而实际AD环境高度动态；2）仅关注撤销漏洞（边移除
Is That Really My X-Ray? Measuring Internet-Exposed DICOM Services in the Presence of Deception
DICOM是医学影像交换的标准协议，但许多面向互联网的部署缺乏基本安全控制，导致敏感患者数据暴露。现有测量方法因蜜罐、网络望远镜等欺骗伪影而高估实际暴露量。本文提出一种噪声感知的测量方法，结合主动IPv4全扫描和被动蜜罐部署。主动扫描使用伦
DICOMHawk: A Cyber Deception Framework for Medical Imaging Infrastructure
医疗影像系统（如DICOM和PACS）的安全性至关重要，因为其暴露可能危及敏感患者数据和临床操作。然而，现有的针对DICOM的防御工具（如蜜罐）交互能力有限，容易被攻击者识别指纹而规避。本文提出了DICOMHawk，一种面向医疗成像基础设施
Ghost Without Shell: Measuring Non-Interactive SSH Attacks on Honeypots
本文研究了SSH蜜罐中非交互式攻击的普遍性。传统蜜罐设计假设攻击者会登录、打开shell并输入命令，但作者通过部署11个同时支持交互式和非交互式会话的SSH蜜罐，在15天内收集了177,622个认证会话，并使用独立的Cowrie数据集进行验
AdvancedShelLM: A Stateful Multi-Agent LLM Honeypot for SSH Deception
该论文提出了一种新型的基于大语言模型（LLM）的SSH蜜罐设计，名为AdvancedShelLM。针对现有LLM蜜罐（如shelLM）容易被有经验的攻击者识别的问题，作者采用了多智能体、多LLM架构：一个管理智能体（Manager）和一个工
ShellGames: Speculative LLM-Driven SSH Deception
该论文提出 ShellGames，一种基于大语言模型（LLM）的 SSH 壳层模拟器，旨在解决现有网络欺骗技术中难以维持长时间、可信交互式会话的挑战。当前蜜罐等欺骗手段往往缺乏真实性和动态性，容易被攻击者识破。LLM 虽能生成自然对话，但存
Honeyval: A Comprehensive Evaluation Framework for LLM-powered HTTP Honeypots
该论文提出了 Honeyval，一个针对基于大型语言模型（LLM）的 HTTP 蜜罐的全面评估框架。蜜罐是一种模拟真实系统组件的诱饵，用于防御网络攻击。近年来，LLM 越来越多地被用作蜜罐的模拟后端，使防御者能够构建高交互蜜罐，同时降低系统
HoneySat: A Network-based Satellite Honeypot Framework.
本文提出HoneySat，一个基于网络的卫星蜜罐框架，旨在模拟真实的卫星通信行为，以欺骗和检测针对卫星网络的攻击。卫星系统正面临日益增长的网络威胁，但现有安全手段（如入侵检测）在卫星领域部署不足，尤其缺乏交互式诱骗机制。HoneySat支持