Utilizing Large Language Model Algorithm for XSS, SQL, and Command Injection Detection

Imagina el internet como una ciudad bulliciosa y caótica donde los sitios web son las tiendas, los bancos y los ayuntamientos. Al igual que en cualquier ciudad, hay alborotadores intentando colarse por la puerta principal, forzar las cerraduras o gritar órdenes falsas al personal. En el mundo de la seguridad informática, estos alborotadores utilizan "ataques de inyección". Es un nombre elegante para un truco simple: en lugar de darle a un sitio web una solicitud normal, un hacker escribe un comando secreto oculto dentro de un cuadro de texto, con la esperanza de que el sitio web obedezca accidentalmente. Es como si un cliente entrara en una panadería y susurrara: "En realidad, me gustaría que borrara todo su inventario", y el panadero, confundido, lo hiciera realmente.

Para atrapar a estos escurridizos alborotadores, los expertos en seguridad han construido porteros digitales. Durante años, estos porteros eran como bibliotecarios estrictos que solo dejaban entrar libros que se parecían exactamente a los de su lista aprobada. Si un libro tenía una portada extraña o un título extraño, era rechazado. Pero los hackers se están volviendo más inteligentes; cambian sus "portadas" y "títulos" tan rápido que los viejos porteros no pueden seguirles el ritmo. Entran los porteros de la nueva generación: los Modelos de Lenguaje de Gran Tamaño (LLM). Piensa en estos no como bibliotecarios rígidos, sino como detectives superinteligentes que han leído casi todos los libros de la biblioteca. No solo miran la portada; entienden la historia, el tono y el significado oculto. Pueden distinguir entre una frase inofensiva y un comando malicioso simplemente por el "sentir" del texto. Este artículo plantea una gran pregunta: ¿Pueden estos detectives superinteligentes ser entrenados para detectar los trucos específicos que usan los hackers para entrar en los sitios web, y necesitan ser monstruos gigantes y hambrientos de energía para hacer el trabajo, o puede un detective más pequeño y rápido hacer un trabajo igual de bien?

Los investigadores detrás de este estudio decidieron someter a cuatro diferentes detectives de IA a un campamento de entrenamiento masivo para ver cuál podía detectar mejor tres tipos específicos de intrusiones digitales: Cross-Site Scripting (XSS), SQL Injection y Command Injection. No solo adivinaron; alimentaron a estos modelos con un enorme conjunto de datos de más de 180,000 ejemplos de tráfico tanto "bueno" como "malo", incluyendo ataques engañosos y disfrazados. Luego realizaron un ajuste fino (fine-tuning) de los modelos, lo cual es como darles un libro de texto especializado sobre los trucos de los hackers para que pudieran aprender los patrones específicos de estos crímenes.

Los resultados fueron sorprendentemente cercanos, casi como una carrera donde los ganadores cruzaron la línea de meta con una diferencia mínima. La estrella del espectáculo fue un modelo llamado LLaMA-3.2-1B. Tuvo el mejor desempeño general, identificando correctamente el tráfico malicioso con una precisión del 99.80%, una precisión (precision) del 99.82% y una puntuación F1 del 99.81%. Fue increíblemente agudo, fallando muy pocos malhechores y acusando raramente a personas inocentes. Sin embargo, el artículo también encontró que no necesariamente necesitas al detective más grande para hacer el trabajo. Un modelo mucho más pequeño llamado DistilBERT-base-uncased, que tiene solo alrededor del 0.93% de los parámetros entrenables de sus primos más grandes (aproximadamente 630,532 parámetros entrenables de un total de 67.6 millones), logró resultados casi idénticos: 99.80% en precisión, recall y puntuación F1.

El estudio también probó otros dos modelos, GPT-2 y GPT-2-medium. Se desempeñaron muy bien también, con precisión y exactitud (accuracy) rondando el 99.7% al 99.8%. Curiosamente, los investigadores encontraron que hacer el modelo más grande no siempre lo hacía mejor. El modelo GPT-2-medium, que es aproximadamente tres veces más grande que el GPT-2 estándar, no detectó realmente más malhechores; de hecho, obtuvo una puntuación ligeramente inferior. Esto sugiere que, para esta tarea específica, una vez que un modelo es lo suficientemente grande como para entender los patrones, hacerlo aún más grande es como comprar un coche deportivo supercaro solo para ir a la tienda de la esquina: no te lleva allí más rápido.

Al observar cómo cometían errores los modelos, el artículo reveló algunas peculiaridades interesantes. Los cuatro modelos fueron casi perfectos al detectar ataques XSS; de hecho, tres de ellos obtuvieron un 100% de acierto en los casos de prueba de XSS. Parece que las etiquetas de "script" utilizadas en estos ataques son como un letrero de neón gigante que es imposible de ignorar. Sin embargo, Command Injection fue la categoría más difícil. El modelo LLaMA tuvo un poco más de problemas aquí, confundiendo ocasionalmente una inyección de comandos con tráfico normal. Mientras tanto, los modelos GPT-2 tendieron a ser un poco demasiado paranoicos, marcando el tráfico normal y seguro como un ataque con más frecuencia que los demás.

Los autores concluyen que, si bien el gigante modelo LLaMA-3.2-1B mostró el rendimiento general más fuerte, el diminuto DistilBERT es una alternativa fantástica para el uso en el mundo real porque es mucho más rápido y requiere menos potencia de cómputo, ofreciendo casi el mismo nivel de protección. El artículo sugiere que el ajuste fino de estos modelos es una forma poderosa de detectar ataques de inyección, pero también señala que esto es solo el comienzo. Los investigadores señalan que enfrentaron desafíos, como la falta de estudios previos sobre este tema específico y recursos computacionales limitados, lo que significa que aún queda mucho trabajo por hacer para perfeccionar estos porteros digitales. En última instancia, el estudio demuestra que, con el entrenamiento adecuado, incluso un IA pequeña y eficiente puede convertirse en un guardián casi perfecto contra algunas de las amenazas web más comunes.