Ítem
Acceso Abierto

Empowering a Breach & Attack Simulation (BAS) Platform using a Large Language Model (LLM) to improve Security Tests

Mostrar el registro sencillo de la publicación
dc.coverage.spatialBogotá, Colombia
dc.creatorCaballero-Roa, Sebastián
dc.creatorMartínez-Páez, Juan
dc.creatorVelandia-Romero, Juan
dc.creatorDíaz López, Daniel Orlando
dc.date.accessioned2026-08-10T14:29:07Z
dc.date.available2026-08-10T14:29:07Z
dc.date.created2024-11-20
dc.descriptionEste proyecto presenta una arquitectura que integra un modelo de lenguaje de gran escala (LLM) con una plataforma de Breach and Attack Simulation (BAS), específicamente MITRE Caldera, para asistir pruebas de penetración. La solución funciona como un copiloto inteligente capaz de interpretar resultados, recomendar comandos de sistema operativo y apoyar la identificación y validación de vulnerabilidades. Se evaluaron cuatro esquemas de interacción, desde la operación completamente automatizada por la plataforma BAS hasta escenarios en los que el LLM asume o comparte el control de la prueba. Los experimentos realizados sobre máquinas virtuales Metasploitable 2 y 3 permitieron identificar y explotar vulnerabilidades relacionadas con backdoors, servidores web y escalación de privilegios. Los resultados sugieren que la integración LLM-BAS puede mejorar la automatización, adaptabilidad y accesibilidad de las evaluaciones de seguridad.
dc.description.abstractThis project presents an architecture integrating a Large Language Model (LLM) with a Breach and Attack Simulation (BAS) platform, specifically MITRE Caldera, to support penetration testing activities. The proposed system operates as an intelligent copilot capable of interpreting execution results, recommending operating-system commands, and assisting users in identifying and validating vulnerabilities. Four interaction models were evaluated, ranging from fully automated BAS operation to scenarios in which the LLM independently performs or shares control of the security assessment. Experiments conducted on Metasploitable 2 and 3 virtual machines successfully identified and exploited vulnerabilities involving backdoors, web-server disruption, and privilege escalation. The results indicate that LLM-BAS integration can enhance the automation, adaptability, interactivity, and accessibility of penetration-testing workflows, while providing educational support and context-specific guidance for cybersecurity professionals.
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_48304
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/48304
dc.language.isoeng
dc.publisherUniversidad del Rosario
dc.publisher.departmentEscuela de Ingeniería, Ciencia y Tecnología
dc.publisher.programMatemáticas Aplicadas y Ciencias de la Computación - MACC
dc.relation.ispartof5ta Jornada de Ciberseguridad de la Universidad Nacional de Colombia (JCUN)
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.source.bibliographicCitationMartínez Sánchez et al. (2024). Methodology for Automating Attacking Agents in Cyber Range Training Platforms. University of Murcia, Spain; SAMOVAR, Télécom SudParis, Institut Polytechnique de Paris, France.
dc.source.bibliographicCitationMITRE.(n.d.).Caldera. https://caldera.mitre.org
dc.source.bibliographicCitationIBM. (2023). Cost of a data breach 2023. https://www.ibm.com/reports/data-breach
dc.source.bibliographicCitationDeng, G., Liu, Y., Mayoral-Vilches, V., Liu, P., Li, Y., Xu, Y., Zhang, T., et al. (2024). PentestGPT: An LLM-empowered automatic penetration testing tool. arXiv. https://arxiv.org/abs/2308.06782
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectCiberseguridad
dc.subjectPruebas de penetración
dc.subjectModelo de lenguaje de gran escala (LLM)
dc.subjectPlataforma de simulación de ataques (BAS)
dc.subject.keywordCybersecurity
dc.subject.keywordPenetration testing
dc.subject.keywordLarge Language Model (LLM)
dc.subject.keywordBreach and Attack Simulation (BAS)
dc.titleEmpowering a Breach & Attack Simulation (BAS) Platform using a Large Language Model (LLM) to improve Security Tests
dc.title.TranslatedTitlePotenciando una plataforma de Simulación de Ataques (BAS) mediante un Modelo de Lenguaje Extenso (LLM) para mejorar Pruebas de Seguridad
dc.typeconferencePoster
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.type.spaPoster
local.department.reportEscuela de Ciencias e Ingeniería
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
Empowering_a_Breach_&_Attack_Simulation_16_JCUN_2024-LLM_Capstone.pdf
Tamaño:
623 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Otros productos de investigación