腾讯沙龙：自动化渗透测试

25.4.26 参加腾讯成都线下沙龙听师傅讲后，结合自己的思路和理解做个总结（有考虑不周的，欢迎指正）

其中用视觉模型识别网站内容的部分还是挺受启发的

宏观上的思路思考

• 大模型自动化渗透测试方向：综合最近面试和听讲座，一些师傅的观点，目前比较核心的几个研究方向
  • 1 绿盟研究员：让大模型调用已有工具，综合利用（不要让大模型做现有工具会做的事情）
    • 具体而言：让大模型成为工具的使用者（代替人的任务）
  • 2 洺熙：寻找大模型可以完成的有价值的事情
    • 具体而言：
      • 目前大模型虽然强大，但尚有很多任务难以完成
      • 因此想到一个好的落地场景的 idea，先去做（可能做出来现在大模型的能力是一坨屎的状态）
      • 但是随着大模型的飞速能力迭代，当它能力到达要求后，我们就可以快速落地某个场景
  • 3 某联想面试官：想让大模型做现在很多人无法完成的事情（具体而言：高级 0day 的挖掘）
• 我自己的意见：其实上面的三个方面并不是矛盾的，可以相融，甚至是包含关系
  • 1：大模型应用落地：在安全侧有很多可以做的思路（很认同洺熙的说法，好的 idea 先做出一坨屎）
    • 更多是”道”上的理解
  • 2：自动化渗透测试：大模型提效（已能做的事情）、大模型完成高难度任务（0day 挖掘）
    • 大模型联动工具：
      • 感知者 agent：去感知整个资产的相关信息，并进行聚合
      • 架构师 agent：通过聚合的资产信息，进行相关利用链路的规划
      • 执行者 agent：根据不同的漏洞渗透任务，用不同类型的 agent 去完成相关的渗透任务
        • （这其中需要涉及大量大模型自优化的工作——根据反馈信息动态调整）
      • 产出者 agent：最终需要对利用信息整理、产出成为报告
      • （其实如果是一个完整的产品/工具，需要考虑的细节点还是挺多的）
    • 大模型挖掘 0day
      • 1fuzzer 工具：种子收集、种子选择算法、 变异（杂交、变异）、选择（进化）…
      • 2动态决策：强化学习（这里的瓶颈我个人觉得在于实验环境的搭建、奖励指标设计、针对性训练数据）

传统自动化渗透瓶颈

• 传统思路：
  • 1 根据识别渗透资产的指纹信息
    • 爬虫：目标 url、页面结构、资源分布
  • 2 根据指纹，执行相关 poc
    • poc 引擎
  • 3 根据 poc 执行的相应包，用规则引擎分析执行结果，输出
• 问题与制约：
  • 1：缺乏宏观能力：缺乏对于整个资产结构的完整理解（根据整个资产信息，进行深入的联动利用）
    • eg：从一个点的利用打到另一个点，进行漏洞组合拳利用
  • 2：无法定制化渗透：缺乏对于特定场景的渗透（对于特定场景，做针对性的渗透）
    • eg：登录页面——有验证码（做验证码爆破）
    • eg：登录页面——有注册、找回（做相关的逻辑绕过）
  • 3：没有挖掘 0day 的能力：缺乏根据响应，动态改包尝试的能力——（fuzz 能力较弱）
    • eg：一般是直接用 poc 打，然后返回响应信息。缺乏根据响应信息进行多轮尝试 fuzz 的能力

LLM 测试的问题

• LLM 对基础漏洞的检出能力：
  • 问题：由于需要 1 信息采集、2poc 生成、3 网站交互、4 响应包分析（然后又从 2 开始迭代）
  • 结果：一个简单的功能测试需要很长时间——漏洞产出效率太低
• 结论：自动化渗透测试领域——LLM 价值在于使用已有工具（像渗透测试工程师一样）
  • 我的观点：
    • LLM 进行信息聚合和推理的能力，毫无疑问很适合完成这一工作，但并不是唯一
    • 利用 LLM 的创造性，进行 fuzz 测试，智能响应，在 0day 挖掘也大有可为
      • （但毫无疑问更难）

思路 WorkFlow+工具调用

agent 和 workflow 各有优劣，但他们是可以兼容的关系，取长补短（这个我很认同）

场景举例（具体场景）：

自动化框架

• 前端：保证渗透测试过程的可视化回溯
  • 前端实时响应：agent 活动、工具调用、浏览器画面等
• 网页爬虫 Agent：模拟人——页面理解+页面点击
  • 具体完成：基于视觉模型识别页面元素、点击按钮、填写并提交表单、跳转页面
  • 优势：缓解传统爬虫无法理解业务逻辑、扫描覆盖率低等
• 渗透测试 Agent：将传统渗透各类场景的实践经验——作为专家经验，固化为 WorkFlow
  • 具体完整：根据场景指纹、页面指纹等多种信息——调用对应的 POC Agent

Poc Agent 案例

短信轰炸案例

框架

• 主要实现：可以理解为一个 LLM 的 burpsuite
  • 感知：通过爬虫 agent 感知页面元素
  • 渗透测试：将感知信息传给测试 agent，他会动态调用各种工具进行测试
• 具体实现：如下