Newest papers

Make the Adversary Spend More Energy: Generative Deception against Language-Model Attackers in Critical Infrastructure

Vlad Mihal, Hosam Alamleh, Alessandro Cantelli-Forti · 2026 · arXiv

DOI: 10.48550/arXiv.2610.27739 · open-access PDF

German

Sprachmodell-Angreifer verbrauchen berechnende Ressourcen, während sie ein Ziel erforschen und interagieren, was eine Möglichkeit für Cyberbetrug schafft, Kosten aufzuerlegen. Ob solche Engagements den Verteidiger begünstigen, erfordert die Messung beider Seiten. Wir bewerten einen autonomen Sprachmodell-Angreifer gegen einen Decoy, der ein Verteidigungssprachmodell verwendet, um Angreiferbefehle zu analysieren und defensive Reaktionen auszuwählen. Über 330 Sitzungen, acht Modellpaare, zwei Angreiferprofile und drei Kontra-Injektionsebenen laufen beide Seiten auf identischen GPUs und ihre Energie wird über die Leere gemessen.

Machine translation (Meta M2M100); the English original follows.

Abstract

Language-model attackers consume computational resources as they explore and interact with a target, creating an opportunity for cyber deception to impose costs. Whether such engagements favor the defender requires measuring both sides. We evaluate an autonomous language-model attacker against a decoy that uses a defending language model to analyze attacker commands and select defensive responses. Across 330 sessions, eight model pairs, two attacker profiles and three counter-injection levels, both sides run on identical GPUs and their energy is measured above idle. With runtime thinking disab

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange