Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

When Intelligence Fails: An Empirical Study on Why LLMs Struggle with Password Cracking

Created by
  • Haebom

作者

Mohammad Abdul Rehman, Syed Imad Ali Shah, Abbas Anwar, Noor Islam

概要

大規模言語モデル(LLM)のサイバーセキュリティの適用性を探るために、TinyLLaMA、Falcon-RW-1B、Flan-T5などのオープンソースLLMを使用して、合成ユーザープロファイルベースのパスワード推測性能を評価しました。 Hit@1、Hit@5、Hit@10インジケーターを使用してプレーンテキストとSHA-256ハッシュ比較で測定した結果、すべてのモデルはHit@10で1.5%未満の精度を示し、従来のルールベースと組み合わせベースのクラッキング方式と比較して著しく低いパフォーマンスを示しました。 LLMがパスワード推測と呼ばれる特定のドメイン操作に適用された場合の主な制限を分析し、Takeawaysを導出した。

Takeaways、Limitations

LLMは、言語能力にもかかわらず、パスワードの推測など、特定のドメインに必要なドメイン適応と記憶能力が不足しています。
監督学習ベースのファインチューニングがないと、LLMは効果的なパスワード推論を実行するのが難しくなります。
LLMは敵対的な文脈で限界を示し、セキュリティ、プライバシー、および強力なパスワードモデリングの将来の研究のための基礎を提供します。
👍