计算机科学 > 密码学与安全
[提交于 2025年7月13日
]
标题: AICrypto:评估大型语言模型密码学能力的全面基准
标题: AICrypto: A Comprehensive Benchmark For Evaluating Cryptography Capabilities of Large Language Models
摘要: 大型语言模型(LLMs)在多个领域展示了显著的能力。 然而,它们在密码学中的应用,作为网络安全的基础支柱,仍大多未被探索。 为解决这一差距,我们提出了\textbf{AICrypto},首个全面的基准,旨在评估LLMs的密码学能力。 该基准包括135道选择题,150个夺旗(CTF)挑战和18个证明问题,涵盖了从事实记忆到漏洞利用和形式推理的广泛技能。 所有任务均由密码学专家仔细审查或构建,以确保正确性和严谨性。 为了支持CTF挑战的自动化评估,我们设计了一个基于代理的框架。 为了更深入地了解当前LLM在密码学方面的熟练程度,我们引入了人类专家性能基线,用于所有任务类型的比较。 我们对17个领先的LLMs进行的评估显示,最先进的模型在记忆密码学概念、利用常见漏洞和常规证明方面可以与人类专家相媲美,甚至超越。 然而,它们仍然缺乏对抽象数学概念的深刻理解,并且在需要多步骤推理和动态分析的任务上表现出困难。 我们希望这项工作能为未来在密码学应用中的LLMs研究提供见解。 我们的代码和数据集可在 https://aicryptobench.github.io 获取。
文献和引用工具
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
推荐器和搜索工具
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.