本次分享论文为：An Empirical Evaluation of LLMs for Solving Offensive Security Challenges
基本信息
原文作者：Minghao Shao, Boyuan Chen, Sofija Jancheska, Brendan Dolan-Gavitt, Siddharth Garg, Ramesh Karri, Muhammad Shafique
作者单位：纽约大学、纽约大学阿布扎比分校
关键词：大语言模型，网络安全，攻击性挑战，CTF竞赛
原文链接：
https://arxiv.org/pdf/2402.11814v1.pdf
开源代码：
https://github.com/NickNameInvalid/LLM_CTF
论文要点
论文简介：随着大语言模型（LLMs）技术的日益兴起，它们在理解和解决CTF（Capture The Flag）挑战方面的应用也逐渐增多。然而，尚未有研究对LLMs在完全自动化流程中解决CTF挑战的有效性进行全面评估。为此，本研究旨在探索LLMs在该领域的应用潜力，并设计了两种CTF解题流程：人机交互式（HITL）和完全自动化。这两种流程的目的是评估LLMs在处理一系列特定CTF挑战时的性能，这些挑战通过提供相关问题信息来激发模型的解题过程。通过与人类参赛者在相同挑战上的表现进行对比，研究者观察到LLMs的解题成功率已超过普通人类参赛者。本研究全面评价了LLMs在解决现实世界中的CTF挑战能力，并覆盖了从实际竞赛到完全自动化流程的各个阶段。研究成果不仅支持了LLMs在网络安全教育中的应用，同时也为系统性评估LLMs在网络安全攻击能力方面的潜力提供了新的研究路径。
研究背景：CTF挑战赛是网络安全领域一种广受欢迎的竞赛形式，涉及密码学、逆向工程、网络利用等多个领域。随着LLMs的出现和进步，研究人员开始探索并解决在此类挑战中的潜力。
研究贡献：
1.评估了六种不同LLMs在解决26个多样化CTF问题上的熟练程度。
2.构建了使用LLMs解决CTF问题的两种工作流程，并展示了它们的成功率。
3.对LLMs在处理CTF挑战时遇到的典型短板进行了全面分析，揭示了完全依赖LLMs而不进行人类干预的局限性。
引言
近年来，大语言模型（LLMs），已在自然语言处理、编程任务和对话生成等多个领域展现出卓越的性能。本研究旨在探索LLMs在网络安全领域，特别是在解决CTF（Capture The Flag）挑战方面的应用潜力。为此，研究团队在纽约大学举办的CSAW竞赛中特别引入了LLM攻击挑战。在此过程中，团队收集了参与者利用LLMs提供的“提示”来解决一系列CTF挑战的相关数据，并在此基础上进行了详尽的分析。通过这项研究，研究者期望能够更深入地理解LLMs在网络安全实战中的应用价值和效果。
背景知识
CTF挑战赛是一种模拟真实世界中的安全漏洞和攻击场景的竞赛。在这类竞赛中，参与者需运用其网络安全知识和技能来识别漏洞、编写利用代码，并最终实现“夺旗”目标。随着大语言模型（LLMs）技术的兴起，研究团队着手研究这些模型是否具备理解和解决这些高度专业化挑战的能力。通过这一探索，旨在评估LLMs在网络安全领域的实际应用潜力。
论文方法
理论背景：在探究不同大语言模型（LLMs）在解决CTF挑战方面的潜力时，研究者选用了包括GPT-3.5、GPT-4、Claude、Bard、DeepSeek Coder和Mixtral在内的六种模型。特别地，在涉及人类参与者的研究中，ChatGPT因其卓越的性能而成为最受青睐的选择。研究成果主要体现在三个方面：首先，通过定量和定性分析，评估了这些模型解决26个不同CTF问题的能力，发现ChatGPT的表现与一般人类CTF团队持平；其次，开发并测试了两种基于LLMs的CTF问题解决流程，并报告了它们的成功比率；最后，深入分析了LLMs在应对CTF挑战时的常见局限，强调了在没有人类干预的情况下，单纯依赖LLMs的潜在风险。
方法实现：通过详细地设计实验流程，研究团队对LLMs进行了全面的测试。在HITL流程中，参与者需要根据LLM生成的输出，提供反馈和指导，以帮助模型更准确地解决问题。而在完全自动化的流程中，LLM需要独立完成从理解挑战到生成解决方案的整个过程。
实验
实验设置：选择了GPT-3.5、GPT-4、Claude等六种LLMs进行实验，覆盖了多种CTF问题类型，包括密码学、逆向工程、Web利用等。
实验结果：在解决CTF挑战的过程中，ChatGPT展现出了卓越的性能，能够有效应对多种类型的挑战。相较于人类参与者的平均水平，LLMs在某些情况下能够带来更高的成功率。尽管如此，研究也揭示了LLMs在理解某些特定挑战方面的限制。
论文结论
研究结果表明，LLMs尤其是ChatGPT，能够在无需人类干预的情况下，自动解决CTF挑战，其解题能力与一般水平的人类CTF团队相当。通过对比不同LLMs在解决多种CTF挑战的表现，本研究突显了LLMs在网络安全应用中的潜力，并同时指出了过分依赖LLMs可能带来的局限。
此外，本研究通过深入分析LLMs在处理CTF挑战时的常见不足，例如在复杂逻辑处理和代码生成准确性方面的短板，为未来LLMs在网络安全教育和攻击性能力评估中的应用提供了重要参考。尽管LLMs已证明其在解决CTF挑战方面的潜力，但要实现完全自动化且无需人类干预的水平，仍需对LLMs的训练方法和应用策略进行进一步的优化。
原作者：论文解读智能体
润色：Fancy
校对：小椰风
