·
常态化攻防演练将至，身处战场的师傅们应该都能体会，面对隐蔽、持续的攻击和长期潜伏的敌人，“人海战术”和“努力努力再努力”绝不是打赢网络安全持久战的明智选择。尤其是当AI技术的涌现让攻击变得自动化、智能化、武器化，防守方该如何应对这令人焦虑的一仗？
不少走在前沿的防守单位准备充分，左手安全设备，右手是新鲜采购的安全大模型，用AI对抗AI总能一战。可是新的焦虑又来了，这个家家鼓吹的新工具要用在哪里？怎样才能用出效果？
此篇文章将以攻防演练中红极一时的炸子鸡“蜜罐”为例，分享一些让你手里的安全大模型变好用的实用干货。
PART 1
落地第一问
安全大模型✖️蜜罐
能碰撞出哪些场景？
0****1
自动化分析各类攻击流量
区别于其他安全产品，蜜罐捕获的流量一般都是非法流量，当捕获的流量日志庞大时，会包含大量无关数据（如扫描器、僵尸网络、爬虫等干扰流量），需要人为额外进行筛选和分析。针对这个痛点，安全大模型可以根据已有的攻击流量信息来判断攻击真实度，并识别分析不同攻击类型（如SQL注入、文件上传、勒索流量等），将需要重点关注的攻击源反馈给运营团队，节约人力、提升分析效率。
0****2
多种诱饵复杂度和逼真度提升
随着攻击者能力水平的提升，识别出蜜罐及诱饵的几率更高，蜜罐效果难以体现。未知攻焉知防，我们借鉴了攻击者社工的伪装思路，通过安全大模型提升诱饵的复杂度与真实度，生成业务相似度更高的诱饵数据，使其更难被识别，提高蜜罐的有效性。此策略不仅实现了诱饵的多维度构建，还可以应用在多种诱饵类型，如：钓鱼邮件中，通过对内容与风格的精准模仿，提高诱导成功率，以及仿真服务器终端历史记录、浏览器历史记录，模拟真实用户交互内容，提高诱饵的真实性。
0****3
各类复杂蜜罐仿真制作
企业仿真蜜罐往往才是溯源攻击者的关键蜜罐，因为它具备真实的交互能力，甚至存在真实的业务数据和不同的漏洞信息，然而这样复杂的蜜罐在开发、部署、维护等阶段都需要投入大量的人力来保持蜜罐的复杂性和真实性。面对这样的问题，可以在复杂蜜罐制作过程中使用蜜罐的智学习功能进行数据爬取，并添加安全大模型生成的漏洞信息、账户信息、业务数据等虚假信息，将其封装成企业仿真蜜罐，这样不仅减少了仿真蜜罐的制作成本，还可以降低蜜罐维护成本。
PART 2
落地第二问
如何让大模型****更好用？
**关键诀窍是高质量的提示词。**提示词在使用大语言模型中至关重要，因为它们提供明确的上下文和任务目标，优化生成过程，控制输出风格和格式，并确保内容一致性。高质量的提示词能显著提升模型性能，使输出更精准、实用且符合预期。在不同场景下使用大语言模型，通常第一步即为设置不同的提示词。
那么如何写好提示词呢？
**推荐使用Co-Star框架来构建提示词，即：(C) Context 上下文、(O) Objective 目标、(S) Style 风格、(T) Tone 语气、(A) Audience 受众、(R) Response响应。**在长亭谛听（D-Sensor） 伪装欺骗系统和问津（ChaitinAI）安全大模型的联合场景中，主要就应用了Co-Star框架进行了不同的提示词编写。
思路清楚了，接下来奉上上述几个蜜罐场景中的部分提示词及对应输出效果，复制就能用！
PS：如果希望获取大模型更多安全场景下的提示词，可扫描文末试用二维码～
PART 3
蜜罐场景
提示词****及输出效果范例
01
日志分析场景
#
攻击载荷分析
# 角色
·
**
攻击情况分析
**
# 角色描述
·
02
诱饵文件生成场景
#
邮件诱饵
# 角色
·
#
服务器历史记录诱饵
# 角色
·
03
复杂蜜罐制作与响应
#
智能终端蜜罐生成
# 角色
·
#
智能响应
# Character
·
以上场景与提示词示范均沉淀于长亭谛听（D-Sensor） 伪装欺骗系统和问津（ChaitinAI）安全大模型联动应用实践。
**问津（ChaitinAI）**将⻓亭独家攻防知识能⼒与⼈⼯智能技术结合，可融⼊已有安全体系中整合碎⽚化的信息和安全⼯具，在任意场景快速应⽤，作为全天待命的⼈⼯智能安全平台，全⾯提升安全运营效率。产品具备恶意请求智能分析、恶意文件智能检测、智能事件研判、安全知识智能问答等功能，可通过独立页面直接访问使用，或集成到长亭及三方的平台中，灵活配置场景应用。
**谛听（D-Sensor）**是国内第一款基于Deception技术研发出的伪装欺骗系统，通过在关键入侵路径上部署诱饵和陷阱，诱导攻击者攻击伪装目标，远离真实资产，并对攻击者做取证和追踪溯源，解决网络防护难以察觉、难以明确、难以追溯三大问题，提升企业的主动防御能力。业内独享智学习方案，可以学习复杂的动态响应，并基于现有各类伪装服务并快速生成一张蜜网，大大提高欺骗防御的部署效率和伪装效果。
本文特别致谢：杨子帆 张飞