CyberEvolver: Agente AI auto-evolvente per compiti di cybersecurity
CyberEvolver, un nuovo framework per agenti di cybersecurity auto-evolventi, è stato presentato dai ricercatori. Questo sistema modifica iterativamente la propria struttura basandosi sulle esperienze di tentativi di esecuzione falliti. Affronta le complessità dell'auto-evoluzione nella cybersecurity, dove i potenziali cambiamenti alla struttura sono disorganizzati, il feedback dalle esecuzioni è spesso limitato e oscurato, e gli aggiornamenti con bassa diversità possono portare a errori composti. CyberEvolver incorpora un'architettura a quattro strati che suddivide l'ottimizzazione dello scaffold in componenti gestibili, un metodo trace-to-diagnosis che trasforma log rumorosi in utili segnali di revisione, e un approccio di beam search basato su popolazione. Questo framework è pensato per agenti basati su LLM nella cybersecurity, che attualmente dipendono da strutture statiche progettate dall'uomo che faticano ad adattarsi a vari target e scenari di fallimento. La ricerca è pubblicata su arXiv con l'identificatore 2605.26195.
Fatti principali
- CyberEvolver è un framework per agenti di cybersecurity auto-evolventi
- Rivede iterativamente il proprio scaffold basandosi su tentativi di esecuzione falliti
- L'auto-evoluzione nella cybersecurity affronta sfide: cambiamenti disorganizzati dello scaffold, feedback scarso, errori che si accumulano
- Il framework utilizza un'architettura ad agente evolvibile a quattro strati
- Include un meccanismo trace-to-diagnosis per convertire i log di esecuzione in segnali di revisione
- Viene impiegata una strategia di beam search basata su popolazione
- Gli agenti basati su LLM attualmente si affidano a scaffold fissi progettati dall'uomo
- L'articolo è su arXiv con identificatore 2605.26195
Entità
Istituzioni
- arXiv