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

Korean

언어 모델 공격자는 타겟을 탐구하고 상호 작용함에 따라 계산 자원을 소비하여 사이버 속임수가 비용을 부과할 수 있는 기회를 창출합니다. 그러한 참여가 방어자를 유리하게 하는지 여부는 양쪽 모두 측정이 필요합니다. 우리는 방어 언어 모델 공격자를 방어 언어 모델을 사용하여 공격자 명령을 분석하고 방어 반응을 선택합니다. 330 세션, 8 개의 모델 쌍, 2 개의 공격자 프로파일 및 3 개의 반입 수준을 통해 양쪽 모두 동일한 GPU에서 실행되고 에너지가 쓸모없이 측정됩니다.

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