LENS系统利用专家纪律与证据约束提升大语言模型对Diameter协议漏洞分析的可靠性

该研究指出当前大语言模型（LLMs）在进行Diameter信令接口可利用性分析时存在不可靠问题，主要源于其偏离了安全专家的隐性分析纪律且未考虑完整的协议证据。为此作者提出了LENS系统，该系统通过从现有漏洞利用写法和失败案例中提取分析纪律与证据收集指引，引导LLM进行系统化的证据收集、可利用性评估及概念验证（PoC）攻击生成。实验显示LENS在四个不同LLM上均表现稳定，召回率维持在94.00%至98.00%，精确度为78.73%至88.94%，准确率达到84.00%至92.00%。

基于该系统的实测发现，在S6a和Cx接口的25%以上字段路径在既定威胁模型下具有可被利用性。研究进一步评估了对实际部署的影响，共发现95个此前未知的漏洞，其中17个存在于开源EPC/IMS实现中，78个位于商业部署环境，这些漏洞可导致服务中断、信息泄露、用户追踪及电池加速耗尽。此外，将LENS应用于涵盖蜂窝、网络、工业及主机内部系统的16种其他协议后，又发现了118个新漏洞，证明了该方法具备强泛化能力。

事实层面：LENS系统在特定基准测试中达到了高召回率和准确率，并在S6a/Cx接口及16种其他协议中识别出大量已知和未知漏洞。推断层面：引入显式的“分析纪律”作为LLM的约束条件，是解决其在复杂协议领域幻觉和逻辑跳跃的关键机制。猜测层面：虽然LENS展示了通用性，但将其扩展至所有私有或高度定制化的通信协议仍需验证其证据收集模块的适配成本。