Security Penetration Test Framework for the Diameter Protocol
Frederick R. Carlson
本文概述了所需的渗透测试套件围绕蜂窝呼叫控制协议称为直径的基础设施。给出了Diameter的简要描述以及进行测试的基本设备和设计要求。
This paper outlines the infrastructure required for a penetration testing suite centered around the cellular call control protocol called Diameter. A brief description of Diameter is given along with the basic equipment and design requirements to conduct the testing.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Advanced Penetration Testing for Enhancing 5G Security
本文综述了5G网络渗透测试方法，探讨了针对大规模MIMO、边缘计算等5G特性的安全挑战，指出应采用多线程方法应对当前威胁，并通过案例与工具比较强调了高级安全措施的必要性。
Web Security Investigation through Penetration Tests: A Case study of an Educational Institution Portal
Web安全已经成为一个重要的主题;许多公司和组织在构建Web应用程序以提供在线服务和增加Web存在时，变得越来越有安全意识。不幸的是，这些Web应用程序中的许多仍然容易受到威胁，因为它们对恶意攻击缺乏强大的免疫力。这会对网站的使用者构成潜在危险，亦可能影响有关机构或公司的运作。教育机构也没有被排除在外，它们的门户网站和网站拥有至关重要的信息，这些信息的完整性至关重要。以卡内基梅隆大学非洲实习门户为例，我们进行了渗透测试，以调查Web漏洞，并提出了可能的补救措施，发现的漏洞。我们的研究结果将告知教育机构更好的网站安全实践，特别是在非洲域。
Critical Infrastructure Security: Penetration Testing and Exploit Development Perspectives
本文综述关键基础设施安全，探讨渗透测试与漏洞利用开发的方法及挑战，指出二者是识别弱点、缓解威胁、提升系统弹性的关键，呼吁将其纳入常规安全协议并加强公私合作。
Penetration Testing for System Security: Methods and Practical Approaches
本文系统阐述了渗透测试的理论基础与实践方法，通过案例分析展示了渗透测试的完整流程及实际应用价值。
Requirements and Recommendations for IoT/IIoT Models to automate Security Assurance through Threat Modelling, Security Analysis and Penetration Testing
未来的工厂需要将其物理机器有效地连接到网络空间中，以应对不断增加的机器数量、更高的性能、更高的生产力水平以及供应链上的集体协作等新兴需求。随着物联网（IoT）的快速发展及其在工业领域的应用，出现了所谓的工业物联网（IIoT）/工业4.0。然而，随着物联网/工业物联网系统的快速增长，网络攻击是一种新兴的威胁，简单的手动安全测试通常无法应对大型物联网/工业物联网网络的规模。在本文中，我们建议提取元数据从常用的图表和模型在一个典型的软件开发过程中，自动化的威胁建模，安全分析和渗透测试的过程中，没有详细的先验安全知识。在这种情况下，我们提出了物联网/工业物联网模型中元数据的要求和建议，这些元数据是安全保证工具的必要输入参数。
Toward Secure AI-Powered Penetration Testing Agents: Security Threats, Guardrails, and Architectural Perspectives
该研究系统分析AI渗透测试代理的安全威胁，提出涵盖LLM生命周期、架构及行为的威胁分类法，并指出现有防护不足，倡导开发上下文与架构感知的专门防护机制。
Penetration Testing: A Roadmap to Network Security
网络渗透测试识别计算机网络基础设施中存在的漏洞和漏洞，并帮助确认安全措施。本文的目的是解释渗透测试背后的方法和方法，并说明补救措施，这将提供实质性的价值，网络安全渗透测试应该尽可能接近真实世界的攻击。入侵检测系统（IDS）有可能检测到一个授权的、预定的渗透测试.网络渗透测试是通过手动或自动化工具完成的。渗透测试可以收集网络漏洞的证据。成功的测试为问题提供了无可争辩的证据，也是确定补救措施优先顺序的起点。渗透测试专注于高严重性漏洞，并且没有误报。
Insider Threats Mitigation: Role of Penetration Testing
本文通过系统性文献综述，利用扎根理论方法全面评估渗透测试在发现、缓解内部威胁及跨行业应用中的作用，旨在帮助企业制定更全面有效的安全策略。
Detecting Network Security Vulnerabilities and Proactive Strategies to Mitigate Potential Threats
在多层网络系统、自定义应用程序、Web服务和平台环境中，存储数据和信息资产对任何组织来说都是一项挑战。虽然有不同的方法来保护网络系统，但测试安全级别的最佳方法是进行渗透测试。在本文中，我们描述了我们如何进行现场渗透测试的特定网络，即192.168.3.0/24（案例研究）通过识别系统漏洞，使其渗透。在破坏系统后，必须找到关键数据（标志），表明我们成功渗透。作为专业的渗透测试人员，我们使用了互联网上恶意行为者使用的一系列渗透测试工具，如Nmap，Nessus，Sparta和Metasploit等。通常情况下，由于其在识别系统环境中安全漏洞方面的重要性，我们在侦察和扫描阶段而不是系统探索阶段投入了大量精力。漏洞分析突出了最关键的威胁，即令牌是获得访问的优势，即FTP服务，HTTP和人为错误。然而，包括系统是不够的，因为关键数据（标志）通常需要管理员权限。因此，团队经常检查系统，以找到将权限提升到根级别的方法。此外，一些关键数据（标志）需要解密算法或对捕获的数据包进行分析，以使其可读。我们找到了八个旗帜并确定了一个系统安全漏洞。建议针对已识别的漏洞采取缓解策略，以确保给定网络免受未来攻击。
A Comprehensive Evaluation and Practice of System Penetration Testing
本文全面评估并实践系统渗透测试，探讨提升系统安全性的方法与工具选择，通过案例分析总结攻击经验。
A Survey on Ethical Hacking: Issues and Challenges
安全攻击正以指数方式增长，它们对现有系统的影响非常大，可能导致危险的后果。然而，为了减少这些攻击的影响，渗透测试是非常必要的，并且可以被认为是此任务的合适解决方案。因此，本文的主要重点是解释渗透测试的技术和非技术步骤。渗透测试的目的是使现有系统及其相应的数据更加安全，高效和弹性。换句话说，笔测试是一种模拟攻击，目的是识别任何可利用的漏洞或/和安全漏洞。事实上，任何已识别的可利用漏洞都将被用于对系统、设备或人员进行攻击。这一日益严重的问题应该得到解决和缓解，以更好地抵御这些攻击。此外，还列出了渗透试验的优点和局限性。渗透测试的主要问题是有效地检测已知的漏洞。因此，为了抵抗未知的漏洞，除了加强使用影子蜜罐之外，还需要一种新的现代渗透测试。这也可以通过加强入侵检测/防御系统的异常检测来实现。事实上，通过设计不同安全元素和渗透测试之间的有效合作来提高安全性。
PTHelper: An open source tool to support the Penetration Testing process
PTHelper 是一个模块化开源工具，通过集成先进工具与人工智能实现渗透测试流程自动化，以解决传统测试耗时且信息管理困难的问题。
On the Surprising Efficacy of LLMs for Penetration-Testing
本文批判性审查了大型语言模型在渗透测试中的有效性，梳理其在攻防安全任务中的应用，分析其有效的关键因素，并探讨了阻碍安全部署的模型可靠性、成本及伦理等重大障碍。
Enhancing Security Testing Software for Systems that Cannot be Subjected to the Risks of Penetration Testing Through the Incorporation of Multi-threading and and Other Capabilities
针对原有SONARR软件分析大型网络性能不足的问题，本文研发了多线程等增强功能，提升了基于黑板架构的复杂关键任务系统漏洞分析工具的性能，支撑大型网络安全分析。
Development and Analysis of P2SCP: A Paradigm for Penetration Testing of Systems that Cannot be Subjected to the Risk of Penetration Testing
针对不能承受主动渗透测试风险的关键系统，论文提出 P2SCP 范式，利用数据收集、数字孪生、数字表亲和评估分析实施虚拟渗透测试，并通过案例研究验证。
Penetration Testing of 5G Core Network Web Technologies
针对5G核心网网络技术缺乏安全评估的问题，本文利用STRIDE威胁建模与安全测试工具，对Open5GS、Free5Gc和OpenAirInterface进行渗透测试，发现三者均存在至少两类攻击向量漏洞。
Automated Penetration Testing: Formalization and Realization
针对手动渗透测试劳动密集问题，提出自组织架构并在ADAPT工具中实现，成功自动测试多个目标系统，验证了自动化渗透测试的可行性。
PentestAgent: Incorporating LLM Agents to Automated Penetration Testing
针对自动化渗透测试灵活性差及LLM知识受限问题，提出基于LLM与RAG的多智能体协作框架PentestAgent，实现情报收集、漏洞分析与利用的自动化，在综合基准测试中展现出卓越的任务完成度与效率。
Lessons from Penetration Tests on Large-Scale Agent Systems
本文通过对2025年专有智能体产品的两次渗透测试，评估了AI智能体的安全态势是否有所改善，并指出许多安全漏洞并非全新，而是反映了先前计算系统中长期存在的重复性弱点类别。
Red Teaming Quantum-Resistant Cryptographic Standards: A Penetration Testing Framework Integrating AI and Quantum Security
针对BB84与NIST量子抗性算法，提出融合AI红队、自动化渗透测试和实时异常检测的框架，以识别量子网络漏洞并强化安全机制。
HARMer: Cyber-attacks Automation and Evaluation
随着网络攻击事件的不断增长，重要的是要开发创新和有效的技术来评估和防御网络系统免受网络攻击。其中一个众所周知的技术是执行渗透测试，由一组安全专业人员（即红队）进行。众所周知，渗透测试可以有效地发现现有和新的漏洞，但是，安全评估的质量取决于红队成员的质量以及他们对渗透测试的时间和投入。在本文中，我们提出了一种新的自动化框架，名为“HARMer”的网络攻击生成，以解决与手动攻击执行的红队的挑战。我们提出的新框架，设计和实现是基于一个可扩展的图形安全模型，称为分层攻击表示模型（HARM）。(1)我们提出了自动化框架的要求和关键阶段。(2)我们提出了基于安全度量的攻击规划策略及其算法。(3)我们在一个真实的企业网和Amazon Web Services中进行实验。结果显示了框架的不同阶段如何相互作用，以模拟攻击者的操作。该框架将允许安全管理员以自动化的方式自动评估各种威胁和攻击的影响。
Maximizing Penetration Testing Success with Effective Reconnaissance Techniques using ChatGPT
本文通过案例研究评估 ChatGPT 在渗透测试侦察阶段收集 IP、域名、网络拓扑和服务等情报的作用，以改进测试规划并发现安全风险。
Penetration Testing of Agentic AI: A Comparative Security Analysis Across Models and Frameworks
本文通过测试五个代理AI模型和两个框架，揭示了代理AI在安全方面的显著差异，发现超过一半的恶意提示成功，提出了新的防御策略和部署建议。
A Deep Learning-based Penetration Testing Framework for Vulnerability Identification in Internet of Things Environments
近年来，物联网（IoT）范式呈现出巨大的增长，导致了工业4.0和智能环境等创新，这些创新提高了效率，资产管理并促进了智能决策。然而，这些好处被由于固有漏洞而产生的大量网络安全问题所抵消，这些漏洞阻碍了基于物联网的系统的机密性，完整性和可用性。安全漏洞可以通过应用渗透测试来检测，特别是信息收集阶段的一个子集，称为漏洞识别。然而，由于生成的数据的多样性、硬件限制和环境复杂性，现有的渗透测试解决方案无法从物联网环境中发现零日漏洞。因此，开发有效的渗透测试解决方案来检测智能物联网环境中的漏洞势在必行。本文提出了一种基于深度学习的渗透测试框架，即长短期记忆递归神经网络漏洞识别（LSTM-EVI）。我们通过一个新的面向网络安全的测试平台来利用这个框架，这是一个基于智能机场的测试平台，由物理和虚拟元素组成。该框架使用该测试平台和实时数据源进行了评估。我们的研究结果表明，该框架实现了约99%的扫描攻击的检测准确率，优于其他四个对等技术。
RapidPen: Fully Automated IP-to-Shell Penetration Testing with LLM-based Agents
RapidPen基于大语言模型实现完全自动化IP到Shell渗透测试，通过任务规划与反馈循环高效发现并利用漏洞，降低安全测试成本与门槛。
Evaluation of Reinforcement Learning for Autonomous Penetration Testing using A3C, Q-learning and DQN
本研究利用NASim环境训练强化学习智能体（Q-learning、DQN、A3C）进行自主渗透测试，A3C在三个安全场景中表现最佳，能以更少动作实现泛化，证明RL可有效执行渗透测试。
Getting pwn'd by AI: Penetration Testing with Large Language Models
本文探讨了使用GPT3.5等大型语言模型作为AI陪练辅助渗透测试人员，在高级任务规划和低级漏洞搜寻中实现闭环反馈并自动执行攻击向量，取得了有前景的初步结果。
PentestMCP: A Toolkit for Agentic Penetration Testing
针对智能体渗透测试的工具需求，本文提出PentestMCP，一套基于MCP协议的服务器实现库，支持多类渗透测试任务，可让开发者灵活定制多智能体渗透测试工作流。
Vulnerability Assessment and Penetration Testing on IP cameras
IP摄像机一直是物联网（IoT）的一部分，是家庭和专业环境中使用最广泛的设备之一。不幸的是，IP摄像机的漏洞吸引了恶意活动。例如，在2016年，一次大规模的攻击导致数千个摄像头和物联网设备被攻破，并被用来创建僵尸网络。考虑到这些设备的历史和所访问数据的极端敏感性，人们自然会质疑目前的安全措施。在本文中，漏洞评估和渗透测试进行了一个特定型号的IP摄像机，TP-Link Tapo C200。更详细地说，我们的调查结果表明，有问题的IP摄像机存在三个漏洞，例如：拒绝服务，视频窃听，最后是一种名为“Motion Oracle”的新型攻击。实验不仅限于攻击性部分，而且还为有问题的摄像机和所有可能遭受相同漏洞的人提出对策。对策是基于使用另一个物联网设备，Raspberry Pi。
Rethinking Penetration Testing for AI-Enabled Systems: From Resource Compromise to Behavioral Objective Violation
本文重新思考人工智能系统渗透测试，将其定义为目标驱动的行为评估，涵盖多种对抗途径。提出测试工作流程，通过实例展示渗透可通过行为影响发生，为评估已部署人工智能系统中的对抗成功提供技术框架。
Test for penetration in Wi-Fi network: attacks on WPA2-PSK and WPA2-Enterprise
本文对无线网络安全算法进行了分析。介绍了WPA和WPA2安全算法的基本原理、弱点以及攻击WPA和WPA2企业无线网络的方法。在执行工作期间，对WPA2-PSK和WPA2-Enterprise进行了成功的攻击。描述了这次攻击的过程和结果。
GAIL-PT: A Generic Intelligent Penetration Testing Framework with Generative Adversarial Imitation Learning
渗透测试（PT）是一种有效的网络测试和漏洞挖掘工具，通过模拟黑客的攻击来获取有价值的信息，在某些领域有着广泛的应用。与人工PT相比，智能PT由于耗时少、人工成本低而成为主导主流。然而，由于Agent的行为空间通常是高维离散的，导致算法收敛困难，因此基于RL的PT在实际应用中仍然面临挑战。此外，大多数PT方法仍然依赖于安全专家的决策。针对这些挑战，我们首次引入专家知识来指导智能体在基于RL的渗透测试中做出更好的决策，并提出了一种基于生成对抗模仿学习的通用智能渗透测试框架GAIL-PT，以解决由于安全专家的参与和高维离散动作空间而导致的较高劳动成本问题。具体来说，首先，当预训练的RL / DRL模型执行成功的渗透测试时，我们手动收集状态-动作对来构建专家知识库。其次，我们将专家知识和不同RL / DRL模型在线生成的状态-动作对输入到GAIL的训练器中进行训练。最后，我们应用机器人的输出奖励来指导智能体执行具有更高渗透成功率的动作，以提高PT的性能。在真实目标主机和模拟网络场景上进行的大量实验表明，GAIL-PT在利用实际目标Metasploitable 2和Q-learning优化渗透路径方面实现了SOTA渗透性能，不仅在小规模有或没有蜜罐网络环境中，而且在大规模虚拟网络环境中。
Behaviour-Diverse Automatic Penetration Testing: A Curiosity-Driven Multi-Objective Deep Reinforcement Learning Approach
渗透测试通过模拟真实的活跃对手来评估目标网络的安全性。深度强化学习（RL）被认为是一种很有前途的解决方案，可以通过减少人力和提高可靠性来自动化渗透测试过程。现有的RL解决方案侧重于寻找特定的攻击路径来影响目标主机。然而，在现实中，需要各种各样的攻击变体来提供对目标网络的安全级别的全面评估。因此，攻击代理在渗透网络时必须考虑多个目标。然而，这一挑战在现有文献中没有得到充分解决。为此，我们制定了多目标强化学习（MORL）框架中的自动渗透测试，并提出了一个切比雪夫分解评论家找到不同的对手的策略，平衡不同的目标在渗透测试。此外，可用动作的数量随着代理不断探测目标网络而增加，这使得训练过程在许多实际情况下变得棘手。因此，我们引入了一种基于覆盖的掩蔽机制，减少了对先前选择的动作的关注，以帮助代理适应未来的探索。一系列场景的实验评估表明，我们所提出的方法相比，适应算法的多目标学习和性能效率的优越性。
Towards new challenges of modern Pentest
本研究通过系统文献综述，分析了渗透测试（Pentest）当前的方法论、工具与潜在挑战，并指出了技术自动化、成本管理及人才短缺等新挑战，为渗透测试场景提供了新视角。
Modeling Penetration Testing with Reinforcement Learning Using Capture-the-Flag Challenges: Trade-offs between Model-free Learning and A Priori Knowledge
渗透测试是一项保安工作，目的是透过模拟对系统的攻击，以评估系统的保安情况。到目前为止，渗透测试主要由受过训练的攻击者进行，成功与否主要取决于可用的专业知识。自动化这一实践构成了一个重要的问题，因为人类专家可能尝试对系统进行的操作范围以及她依赖于做出决策的知识范围很难捕获。在本文中，我们把注意力集中在简化的渗透测试问题的形式表示捕获的标志黑客的挑战，我们分析了如何无模型强化学习算法可能有助于解决这些问题。在建模中，这些捕获的旗帜比赛作为强化学习问题，我们强调，一个具体的挑战，特征渗透测试是发现问题的结构的问题。然后，我们将展示如何通过依赖于可能提供给代理的不同形式的先验知识来缓解这一挑战。通过这种方式，我们展示了使用强化学习解决渗透测试的可行性如何依赖于无模型算法和基于模型的算法之间的谨慎权衡。通过使用注入先验知识的技术，我们证明了可以更好地指导代理并限制其探索问题的空间，从而更有效地实现解决方案。
Autonomous Penetration Testing using Reinforcement Learning
渗透测试涉及对计算机系统进行受控攻击，以评估其安全性。虽然渗透测试是一种有效的安全测试方法，但它需要高度熟练的从业人员，目前熟练的网络安全专业人员越来越短缺。缓解此问题的一个途径是使用人工智能技术自动化渗透测试过程。目前的自动渗透测试方法依赖于基于模型的规划，但是网络安全环境正在迅速变化，这使得维护最新的漏洞模型成为一项挑战。本计画探讨无模型强化学习在自动渗透测试中的应用。与基于模型的规划相比，无模型强化学习具有关键优势，即不需要环境模型，而是通过与环境的交互来学习最佳策略。我们首先设计并构建了一个快速，低计算模拟器，用于训练和测试自主渗透代理。我们通过将渗透测试作为马尔可夫决策过程来实现这一点，其中已知的网络配置作为状态，可用的扫描和利用作为动作，奖励由网络上机器的价值决定。然后，我们使用这个模拟器来研究无模型强化学习在渗透测试中的应用。我们测试了标准的Q-学习算法使用表格和神经网络的实现。我们发现，在模拟环境中，表格和神经网络实现都能够找到一系列不同网络拓扑和大小的最佳攻击路径，而无需动作行为模型。然而，所实现的算法仅适用于较小的网络和动作数量。需要进一步的工作来开发可扩展的RL算法，并在更大和更高保真的环境中测试这些算法。
Benchmarking Practices in LLM-driven Offensive Security: Testbeds, Metrics, and Experiment Design
本文分析了大语言模型驱动的攻击的攻击安全领域的基准测试实践，综述19篇论文的18个原型及测试平台，提出扩展测试平台、建立基线等建议，指出CTF挑战难代表真实渗透场景。
Shell or Nothing: Real-World Benchmarks and Memory-Activated Agents for Automated Penetration Testing
针对现有AI渗透测试评估脱离真实场景的问题，提出真实世界基准TermiBench与多智能体框架TermiAgent，通过定位记忆激活和结构化代码理解提升漏洞利用能力，显著优于现有系统。
Mutation Analysis for Security
安全性已成为当今组织的主要关注点，因为其大多数应用程序都暴露在Internet上，这大大增加了安全威胁。因此，解决方案是改进工具和机制，以加强对应用程序的保护，使其免受攻击，并确保不同的安全目标。在我们将要讨论的解决方案中，本文介绍了突变分析，这是一种评估软件测试质量和检测错误能力的测试技术，并对标准和测试生成策略进行了比较。在本研究中，我们将使用变异分析作为一种手段，以定性的渗透测试，然后，将此技术应用于安全机制，并准确地访问控制机制。最后，我们将提出一种方法，用于消除隐藏的访问控制机制，这将允许访问控制策略的发展。
Computational Security Analysis of the UMTS and LTE Authentication and Key Agreement Protocols
我们提出了一个计算安全性分析的认证和密钥协商（AKA）协议的长期演进（LTE）和通用移动通信系统（UMTS）。这项工作构成了迄今为止LTE AKA的第一个安全性分析和UMTS AKA的第一个计算可靠分析。我们的工作是考虑在核心网络中发送的消息的第一个正式分析，其中我们考虑了承载协议的细节（即，MAP或Diameter）和用于安全传输的机制（即，MAPsec/TCAPsec或TCAPESP）。此外，我们报告UMTS AKA和LTE AKA的协议规范和核心网络安全（称为网络域安全）的规范，这可能使有效的攻击的缺陷。该漏洞允许内部攻击者不仅在协议运行期间冒充诚实的协议参与者，而且随后代表他使用无线服务。UMTS AKA在MAP上运行，MAPsec在最直接的攻击应用中似乎很容易受到攻击。另一方面，我们的分析表明，UMTS和LTE AKA在直径/UMTS和UMTS AKA在MAP/TCAPsec（具有足够长的会话标识符）计算满足预期的认证属性以及一些密钥保密属性，假设所使用的原语满足标准的密码学假设。
Agent-based (BDI) modeling for automation of penetration testing
渗透测试是评估计算机系统和网络安全的一种重要方法。传统的渗透测试依赖于领域专家的知识，需要大量的人力，所有这些都导致了高成本。渗透测试的自动化可以显著提高渗透测试的效率和可用性，降低渗透测试的成本。现有的自动化方法包括将漏洞扫描结果映射到相应的利用工具的方法，以及将渗透测试作为以攻击图表示的规划问题来解决的方法。由于主要是非交互式处理，这种解决方案只能有效地处理静态和简单的目标。在本文中，我们提出了一个自动化的渗透测试方法的基础上的信念-愿望-意图（BDI）代理模型，这是中心的研究基于代理的处理，因为它处理交互式的动态，不确定和复杂的环境。将渗透测试行为定义为一系列的BDI计划，用BDI推理循环来表示渗透测试过程。该模型是可扩展的，一旦从人类专家那里得到新的计划，就可以添加它们。我们报告的结果证明的概念基于BDI的渗透测试工具在模拟环境中的测试。
Agentic Security: A Systematization of Tools, Failure Modes, and Design Laws for LLM-Driven Penetration Testing
该研究对LLM驱动渗透测试的智能体安全相关工具、失效模式等体系化，推导定量规律与设计法则，实现Inspectra平台验证。
MEGA-PT: A Meta-Game Framework for Agile Penetration Testing
本文提出元博弈渗透测试框架MEGA-PT，通过微观战术博弈与宏观策略过程实现分布式、自适应的敏捷自动化渗透测试，有效解决维度灾难与可扩展性问题。
Baselines Before Architecture: Evaluating Coding Agents for Autonomous Penetration Testing
研究针对自主渗透测试，以默认编码CLI代理为基线，在XBOW基准上用不同模型运行，比较不同框架结果及模型扩展效果，发现专业框架有提升，普通代理也能解决不少问题，新模型可提升同一框架，强调未来评估应报告模型匹配的普通代理基线。
Penetration Testing == POMDP Solving?
渗透测试是一种通过生成和执行可能的攻击来评估网络安全的方法。这样做可以自动进行定期和系统的测试，而无需大量的人力。一个关键问题是如何产生攻击。这自然是一个规划问题。以前的工作（Lucangeli et al. 2010）使用经典规划，因此忽略了所有黑客特有的不完整知识。最近的工作（Sarraute等人，2011）为了扩展而做出了强有力的独立性假设，并且缺乏关于攻击规划问题实际上是什么的明确的正式概念。在这里，我们模型的部分可观察马尔可夫决策过程（POMDP）的问题。这是渗透测试在一个良好的研究形式主义的基础，突出了这个问题的性质的重要方面。POMDPs允许将信息收集建模为问题的一个组成部分，从而首次提供了一种智能地将扫描操作与实际利用混合在一起的方法。
Deep hierarchical reinforcement agents for automated penetration testing
渗透测试对计算机系统进行有组织的攻击，以测试现有的防御措施，已被广泛用于评估网络安全。这是一个耗时的过程，需要深入的知识来建立一个类似于真正的网络攻击的战略。本文提出了一种新的深度强化学习体系结构与层次结构的代理称为HA-DRL，它采用了代数动作分解策略，以解决大的离散动作空间的自主渗透测试模拟器的动作的数量呈指数增长的复杂性设计的网络安全网络。所提出的体系结构被证明比传统的深度Q学习代理更快，更稳定地找到最佳攻击策略，该深度Q学习代理通常被用作在自动渗透测试中应用人工智能的方法。
BreachSeek: A Multi-Agent Automated Penetration Tester
针对传统渗透测试耗时、耗力且难以及时应对新威胁的问题，本文提出基于LLM、LangChain与LangGraph的多智能体平台BreachSeek，可自动识别、利用漏洞并生成安全报告。
Can LLMs Hack Enterprise Networks? Autonomous Assumed Breach Penetration-Testing Active Directory Networks
本研究探讨LLM驱动的自主系统在企业AD网络中进行假设失陷渗透测试的可行性，提出原型并在GOAD测试平台验证，证明其成本效益与自适应攻击能力，同时指出安全与信息传递局限。
ADAPT: A Game-Theoretic and Neuro-Symbolic Framework for Automated Distributed Adaptive Penetration Testing
针对AI赋能的医疗基础设施网络安全挑战，提出博弈论与神经符号结合的ADAPT自动化分布式自适应渗透测试框架，可实现基于学习的风险评估，实验验证其能有效对抗多种对抗性AI战术手段。
The complexity of cyber attacks in a new layered-security model and the maximum-weight, rooted-subtree problem
在我们的网络安全模型中，我们定义了{ \em渗透成本}的概念，这是为了突破下一层安全而必须支付的成本。给定以顶点$r$为根的树$T$、$T$上的{ \em穿透成本}边函数$c$、$T$上的{ \em目标获取}顶点函数$p$、攻击者的{ \em预算}和{ \em游戏结束阈值}分别为$B,G \in {\mathbb{Q}}^{+}$，我们考虑在攻击者的预算内确定$T$的有根子树$T'$的存在性的问题当总获取值大于游戏结束阈值（即，$T'$中的节点的目标值之和大于或等于$G$）时（即，$T'$中的边的成本之和小于或等于$B$），可以确定节点的目标值。我们证明了这个问题的一般版本是棘手的，但确实承认一个多项式时间近似方案。我们还分析了三个限制版本的问题的复杂性，其中的渗透成本是常数函数，整数值，并在一个给定的固定数量的不同值的合理值。
ICSSPulse: A Modular LLM-Assisted Platform for Industrial Control System Penetration Testing
ICSSPulse是一个模块化平台，利用LLM生成报告，用于工业控制系统安全评估和渗透测试。
MazeRunner: Nonlinear Task and Clue Orchestration for LLM-driven Black-Box Automated Penetration Testing
针对现有LLM驱动渗透测试智能体在非线性黑盒场景中的缺陷，提出三智能体框架的MazeRunner，在HTB目标上完成更多子任务、获取更高权限，探索攻击分支更高效。
PETIoT: PEnetration Testing the Internet of Things
PETIoT通过结合攻击与防御步骤，为物联网设备的渗透测试提供了一种新的网络杀伤链框架，并成功发现并修复了三个零日漏洞。
PentestGPT: An LLM-empowered Automatic Penetration Testing Tool
针对LLM在渗透测试中难以保持整体上下文的问题，提出了由LLM赋能的自动化工具PentestGPT，通过三个自我交互模块处理子任务，相比GPT-3任务完成率提升228.6%，并在GitHub获4700+星。
Reinforcement Learning for Automated Cybersecurity Penetration Testing
本文提出用强化学习结合几何深度学习先验，在模拟网页上训练智能体以自动优化渗透测试路径，并在真实漏洞网页上验证，实现以最少步骤发现最多漏洞。
Towards Automated Penetration Testing: Introducing LLM Benchmark, Analysis, and Improvements
针对当前缺乏LLM自动化渗透测试基准的问题，本文提出新型开放基准，评测发现LLama 3.1-405B性能优于GPT-4o但仍无法完成端到端测试，并通过消融研究为改进PentestGPT提供思路，为相关研究奠定基础。
Approaching the Automation of Cyber Security Testing of Connected Vehicles
车辆和汽车系统的数字化进步为创建和增强舒适性和安全性相关系统带来了许多优势，从线控驾驶，包括先进的显示器，娱乐系统到复杂的驾驶辅助和自动驾驶。然而，它也包含被用于非预期目的的固有风险，从小型未经授权的定制到影响几辆车的全面网络攻击的可能性，再到整个车队和转向和发动机控制等重要系统。为了防止这种情况并减轻网络安全风险对道路交通安全的影响，必须在大规模的汽车测试中采用网络安全测试。目前，由于测试复杂系统的时间和成本，手动渗透测试过程无法满足日益增长的需求。我们提出了一种（半）自动化汽车网络安全测试的架构方法，允许进行更经济的测试，从而跟上新车辆功能引起的不断增长的需求，以及向互联和自动驾驶汽车的发展。
Multi-Agent Penetration Testing AI for the Web
本文提出多智能体 Web 渗透测试系统 MAPTA，通过 LLM 编排、工具执行与端到端漏洞验证，在 XBOW 基准和高星 GitHub 项目中低成本发现多类严重漏洞。
AutoPT: How Far Are We from the End2End Automated Web Penetration Testing?
本研究构建Web渗透测试基准探究LLM智能体能力局限，提出基于有限状态机的PSM机制并开发AutoPT智能体，显著提升任务完成率，降低成本，推动自动化渗透测试发展。
Understanding Hackers' Work: An Empirical Study of Offensive Security Practitioners
针对白帽黑客短缺导致软件安全测试覆盖不足的问题，该研究对12名安全从业者开展数据驱动的定性研究，通过主题分析梳理其工作流程、思维与挑战，为自动化安全测试工具研发提供建议与新方向。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。