APTInvestBench: Evaluating Autonomous APT Investigation under Varying Telemetry

arXiv cs.CR · 1 oct, 06:00

Se presenta APTInvestBench, un benchmark académico para evaluar la robustez de agentes LLM autónomos que investigan amenazas persistentes avanzadas (APT) bajo diferentes condiciones de telemetría. El estudio con 370 casos y once modelos de lenguaje muestra que aunque los agentes recuperan suficiente evidencia en el 44,3% de las acciones de ataque, solo el 25% cuenta con citas formales sólidas, y que los cambios en la disponibilidad de logs causan inestabilidad significativa aunque no reduzcan mucho la cobertura agregada.