Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

¿Qué tan buenas son las políticas de contraseñas generadas por LLM?

Created by
  • Haebom

Autor

Vivek Vaidya, Aditya Patwardhan, Ashish Kundu

Describir

Este artículo estudia la aplicación de modelos de lenguaje a gran escala (LLM) a sistemas de control de acceso de ciberseguridad. En particular, investigamos la consistencia y la corrección de las políticas de contraseñas generadas por LLM, que transforman las solicitudes de lenguaje natural en archivos de configuración ejecutables pwquality.conf. Mediante la evaluación sistemática de la solidez, corrección y consistencia de los archivos de configuración generados mediante dos enfoques (utilizando LLM preentrenados sin guía adicional y proporcionando documentos pwquality.conf), destacamos importantes desafíos de los LLM de la generación actual y proporcionamos información valiosa para mejorar la implementación de LLM en sistemas de control de acceso.

Takeaways, Limitations

Takeaways: Ofrece consideraciones importantes para el desarrollo de sistemas basados ​​en LLM, mostrando claramente los problemas de consistencia y precisión que surgen al aplicar LLM a los sistemas de control de acceso. Concientiza sobre la imprevisibilidad de los resultados de LLM y proporciona instrucciones para construir sistemas más seguros y confiables.
Limitations: Los resultados se limitan a la generación actual de LLM y podrían no reflejar el rendimiento de LLM más avanzados en el futuro. Se centra únicamente en la generación del archivo de configuración pwquality.conf, por lo que podría no ser generalizable a otros tipos de sistemas de control de acceso o políticas de seguridad. El alcance de las métricas de evaluación podría ser limitado y podría faltar experimentación con diversos tipos de indicaciones o escenarios más complejos.
👍