LLMs congelados assumem execucao tatica de defesa cibernetica sem retreinamento ao mudar de escala de rede
O artigo testa se LLMs congelados, usados em modo zero-shot, conseguem substituir agentes de defesa cibernetica treinados por aprendizado por reforco (RL) -- que ficam presos a rede especifica em que treinaram -- numa hierarquia planejador-executor. Usando o ambiente Cyberwheel com um red team automatizado mapeado ao MITRE ATT&CK, os autores mostram que trocar apenas o planejador por um LLM traz ganho limitado conforme a rede cresce, mas estender o controle do LLM a execucao tatica produz melhorias notaveis para modelos suficientemente capazes -- um modelo geral de 70B mantem movimento lateral bem-sucedido do atacante a cerca de 1% dos passos usando os mesmos pesos em redes pequenas, medias e grandes, sem qualquer retreinamento.
Defensores ciberneticos autonomos treinados por RL ficam tipicamente amarrados a topologia e escala de rede em que foram treinados, o que limita sua capacidade de generalizar quando a rede muda de tamanho. RL hierarquico reduz a complexidade de decisao separando planejamento estrategico de execucao tatica, mas nao elimina essa dependencia de retreinamento quando a escala da rede muda.
O estudo formula uma hierarquia planejador-executor agnostica ao controlador, em que o planejador escolhe uma subrede para defender dentro de um horizonte fixo e o executor escolhe acoes defensivas dentro dela. Usando o ambiente Cyberwheel de alta fidelidade, com seu red team automatizado mapeado ao framework MITRE ATT&CK, os autores comparam configuracoes RL+RL, LLM+RL e LLM+LLM usando seis modelos de 3B a 70B de parametros, incluindo dois modelos especializados em ciberseguranca, em redes pequenas, medias e grandes.
Substituir apenas o planejador por um LLM traz ganhos limitados conforme a rede cresce. Em contraste, estender o controle do LLM tambem para a execucao produz melhorias notaveis para modelos suficientemente capazes: um modelo geral congelado de 70B mantem o movimento lateral bem-sucedido do atacante a cerca de 1% dos passos e o impacto do atacante proximo de zero nas tres escalas de rede avaliadas, usando os mesmos pesos, enquanto a linha de base de RL precisa ser retreinada para cada escala.
Para equipes de defesa, isso sugere que o beneficio pratico de usar LLMs em ciberdefesa automatizada vem principalmente da execucao tatica, nao apenas do planejamento estrategico -- arquiteturas que trocam um LLM apenas na camada de planejamento, mantendo RL na execucao, provavelmente deixam na mesa a maior parte do beneficio real. Tambem reformula resultados de escala de capacidade de LLM (modelo maior, melhor desempenho) de forma diretamente acionavel para equipes de defesa que decidem qual nivel de modelo implantar para resposta automatizada a incidentes sem retreinamento especifico por ambiente.