Toward Intelligent and Secure Cloud: Large Language Model Empowered Proactive Defense

要約

クラウド コンピューティング テクノロジーの急速な進化とクラウド アプリケーションの数の増加により、日常生活に多くのメリットがもたらされています。
ただし、さまざまなコンポーネントの多様性と複雑さは、特に高度で高度なサイバー攻撃に対処する場合、クラウド セキュリティに重大な課題をもたらします。
生成基盤モデル (GFM)、特に大規模言語モデル (LLM) における最近の進歩は、セキュリティ インテリジェンスに有望なソリューションを提供します。
言語理解、データ分析、タスク推論、アクション計画、コード生成の強力な機能を活用することで、さまざまな脅威をプロアクティブな方法で撃破する新しいプロアクティブ防御アーキテクチャである LLM-PD を紹介します。
LLM-PD は、包括的なデータ分析と逐次推論を通じて効率的に意思決定を行い、実行可能な防御メカニズムを動的に作成してターゲット クラウドに展開できます。
さらに、これまでのやり取りから学んだ経験に基づいて柔軟に自己進化し、追加のトレーニングなしで新しい攻撃シナリオに適応できます。
実験結果は、防御効果と効率の点でその顕著な能力を示しており、特に他の既存の方法と比較した場合に優れた成功率を強調しています。

要約(オリジナル)

The rapid evolution of cloud computing technologies and the increasing number of cloud applications have provided a large number of benefits in daily lives. However, the diversity and complexity of different components pose a significant challenge to cloud security, especially when dealing with sophisticated and advanced cyberattacks. Recent advancements in generative foundation models (GFMs), particularly in the large language models (LLMs), offer promising solutions for security intelligence. By exploiting the powerful abilities in language understanding, data analysis, task inference, action planning, and code generation, we present LLM-PD, a novel proactive defense architecture that defeats various threats in a proactive manner. LLM-PD can efficiently make a decision through comprehensive data analysis and sequential reasoning, as well as dynamically creating and deploying actionable defense mechanisms on the target cloud. Furthermore, it can flexibly self-evolve based on experience learned from previous interactions and adapt to new attack scenarios without additional training. The experimental results demonstrate its remarkable ability in terms of defense effectiveness and efficiency, particularly highlighting an outstanding success rate when compared with other existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google