HydraPoT 多智能体框架降低蜜罐成本

该论文提出 HydraPoT，一个可配置的多智能体蜜罐框架，旨在解决使用强大云模型时的高成本延迟与轻量模型低保真度之间的矛盾。系统根据攻击指令的复杂度动态路由至传统仿真、轻量 LLM 或云端大模型，并通过共享会话状态保持跨智能体的一致性。评估显示，该架构运行时开销低于 5%，在特定策略下使云处理 Token 减少 72.6%，运营成本降低 3.7 倍，同时保持接近纯云模型的交互真实性。 核心证据在于其基于复杂度的路由策略与上下文保留机制。实验数据表明，系统能在不同异构智能体间无缝切换而不丢失会话上下文，这是实现低成本高保真的关键。文中提到的“三个智能体案例研究”具体展示了流量如何被分流：简单探测由本地轻量模型处理，复杂交互则调用云端模型，从而大幅削减了昂贵的云 API 调用次数。 事实层面，该框架已接受 AINTEC 2026 会议并公开于 arXiv。推断上，这种架构可能成为未来企业级蜜罐的标准组件，特别是对于预算敏感的安全运营中心（SOC）。猜测方面，若该路由策略能进一步结合实时威胁情报，或许能动态调整模型选择阈值，但原文未涉及此扩展功能。