深度分析
COHORT：多代理大型語言模型在高保真模擬環境中的自動化防禦與攻擊重放驗證
研究提出COHORT框架，利用多代理LLM在GNS3模擬環境自動生成並實作防禦指令，透過攻擊重放驗證成效，同時檢查連線不受影響，成功率提升至46.7%。此框架在小型、中型、大型三種企業拓撲，四種攻擊（勒索軟體、橫向移動、DNS資料外洩、資料竊取）測試，較單一代理基線提升4.4倍。
深度分析
研究提出COHORT框架，利用多代理LLM在GNS3模擬環境自動生成並實作防禦指令，透過攻擊重放驗證成效，同時檢查連線不受影響，成功率提升至46.7%。此框架在小型、中型、大型三種企業拓撲，四種攻擊（勒索軟體、橫向移動、DNS資料外洩、資料竊取）測試，較單一代理基線提升4.4倍。
深度分析
隨著大型視覺語言模型（LVLM）驅動的視覺語言代理系統（VLAS）在具身場域的應用增加，環境中的文字與符號成為既是必要的安全訊號，也是可被惡意利用的攻擊面。研究提出一套雙意圖資料集與統一評估框架，系統化測試結構化字樣與對抗性噪音注入對代理決策的影響。