arXiv cs.CR· Vahid Tavakkoli, Kabeh Mohsenzadegan, Kyandoghere Kyamakya·· 5 小时前精选AI 评分78
SwarmReconGuard 论文揭示分布式集体侦察在千级身份下的高漏报风险
SwarmReconGuard: Black-Box Detection of Distributed Collective Reconnaissance by Individually Benign-Looking Agent Populations
AI 导读
该研究形式化定义了分布式集体侦察（DCR）威胁，即自主智能体通过大量身份分散探测，使单个请求看似良性但群体可获取系统全貌。作者构建了 SwarmReconGuard 黑盒基准，在仅观察服务边界遥测数据的条件下，评估了 10 至 10,000 个虚拟身份、440 次测试运行及超过 366 万次请求的 11 种行为模式。
实验数据显示现有检测器存在显著泛化缺陷：高斯似然比检测在已知攻击上实现 100% 检出且无误报，但在未见策略下检出率骤降至 3%；CUSUM 方法整体检出率仅为 36.1%，而混合 CUSUM 虽在 10,000 身份规模下将检出率提升至 85.7% 且保持零误报，仍暴露了策略通用性的巨大缺口。这些结果直接证明单纯依赖语义或统计特征的防御难以应对规模化协同侦察。
事实层面，该基准已验证在 Docker 隔离环境中对特定攻击模式的检测能力差异；推断层面，当前主流 AI 系统的边界防护若缺乏对“身份数量”和“策略未知性”的显式建模，将面临系统性盲区；猜测层面，未来防御架构需引入暴露感知与规模感知的动态调整机制，而非静态阈值判断。
推荐理由
揭示分布式集体侦察在大规模身份下的检测失效，推动防御从单点策略转向规模感知机制。
来源：arXiv cs.CR · arxiv.org