Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.01335

帮助 | 高级搜索

计算机科学 > 密码学与安全

arXiv:2501.01335 (cs)
[提交于 2025年1月2日 ]

标题: CySecBench:基于生成式AI的面向网络安全的提示数据集,用于基准测试大型语言模型

标题: CySecBench: Generative AI-based CyberSecurity-focused Prompt Dataset for Benchmarking Large Language Models

Authors:Johan Wahréus, Ahmed Mohamed Hussain, Panos Papadimitratos
摘要: 大量研究已经调查了使大型语言模型(LLMs)越狱以生成有害内容的方法。通常,这些方法使用由恶意提示组成的数据集进行评估,这些提示旨在绕过LLM提供商建立的安全策略。然而,现有数据集通常范围广泛且开放性较强,这可能会使越狱效果的评估变得复杂,尤其是在特定领域,尤其是网络安全领域。为了解决这个问题,我们提出了并公开发布了CySecBench,这是一个包含12662个专门设计用于评估网络安全领域越狱技术的全面数据集。该数据集分为10个不同的攻击类型类别,包含封闭式提示,以实现对越狱尝试更一致和准确的评估。此外,我们详细描述了数据集生成和过滤的方法,该方法可以调整以在其他领域创建类似的数据集。为了展示CySecBench的实用性,我们提出并评估了一种基于提示混淆的越狱方法。我们的实验结果表明,这种方法成功地从商业黑盒LLMs中引出了有害内容,在ChatGPT上实现了65%的成功率(SRs),在Gemini上实现了88%;相比之下,Claude表现出更大的韧性,越狱成功率为17%。与现有基准方法相比,我们的方法表现更优,突显了领域特定评估数据集在评估LLM安全措施中的价值。此外,当使用一个广泛使用的数据集(即AdvBench)中的提示进行评估时,它实现了78.5%的成功率,高于最先进方法。
摘要: Numerous studies have investigated methods for jailbreaking Large Language Models (LLMs) to generate harmful content. Typically, these methods are evaluated using datasets of malicious prompts designed to bypass security policies established by LLM providers. However, the generally broad scope and open-ended nature of existing datasets can complicate the assessment of jailbreaking effectiveness, particularly in specific domains, notably cybersecurity. To address this issue, we present and publicly release CySecBench, a comprehensive dataset containing 12662 prompts specifically designed to evaluate jailbreaking techniques in the cybersecurity domain. The dataset is organized into 10 distinct attack-type categories, featuring close-ended prompts to enable a more consistent and accurate assessment of jailbreaking attempts. Furthermore, we detail our methodology for dataset generation and filtration, which can be adapted to create similar datasets in other domains. To demonstrate the utility of CySecBench, we propose and evaluate a jailbreaking approach based on prompt obfuscation. Our experimental results show that this method successfully elicits harmful content from commercial black-box LLMs, achieving Success Rates (SRs) of 65% with ChatGPT and 88% with Gemini; in contrast, Claude demonstrated greater resilience with a jailbreaking SR of 17%. Compared to existing benchmark approaches, our method shows superior performance, highlighting the value of domain-specific evaluation datasets for assessing LLM security measures. Moreover, when evaluated using prompts from a widely used dataset (i.e., AdvBench), it achieved an SR of 78.5%, higher than the state-of-the-art methods.
主题: 密码学与安全 (cs.CR) ; 人工智能 (cs.AI); 机器学习 (cs.LG)
引用方式: arXiv:2501.01335 [cs.CR]
  (或者 arXiv:2501.01335v1 [cs.CR] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.01335
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ahmed Mohamed Hussain [查看电子邮件]
[v1] 星期四, 2025 年 1 月 2 日 16:37:04 UTC (2,814 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.AI
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号