Mesterséges inteligencia ágensek az offenzív és defenzív kiberbiztonságban

Abstract

A cikk az AI-alapú autonóm agentek kiberbiztonsági alkalmazását vizsgálja defenzív és offenzív környezetben. A kutatás laboratóriumi kísérletek segítségével elemzi a nagy nyelvi modellek sérülékenység-felderítési és hálózatfigyelési képességeit. Az egyik vizsgálati ág egy Cisco Packet Tracer alapú szimulált hálózaton értékeli az AI agentek észlelési és döntési viselkedését ASI, DC és FT mérőszámok alapján. A másik ág egy szimulált irodai infrastruktúrában teszteli egy DeepSeek R1 modellre és OpenClaw Clawdbotra épülő autonóm agent teljesítményét. A kutatás célja az AI-alapú fenyegetések és védekezési lehetőségek gyakorlati megértése reprodukálható környezetben. A tanulmány elsősorban biztonsági szakembereknek, pentesztereknek, SOC/CSIRT csapatoknak és kutatóknak szól.

This paper explores the use of AI-based autonomous agents in offensive and defensive cybersecurity environments. Through laboratory experiments, it evaluates the vulnerability detection and network monitoring capabilities of large language model–based agents. The study analyzes agent behavior in a Cisco Packet Tracer simulated network using ASI, DC, and FT metrics, and tests a DeepSeek R1 and OpenClaw Clawdbot–based agent in a simulated office infrastructure. The research pro-vides practical insights into AI-driven threats and defense strategies for secu-rity professionals, pentesters, SOC/CSIRT teams, and researchers, who are interested in the “Practical understanding of AI-based threats and defense options in a pre-designed lab environment where the offensive and defensive capabilities of AI agents were evaluated.