offensive AI：利用语言模型增强目录暴力攻击
密码学与安全
2024-04-23 v1
摘要
Web 漏洞评估和渗透测试（Web VAPT）是一项综合性的网络安全流程，用于发现可能被利用而危及 Web 应用程序完整性的各种漏洞。在 VAPT 中，通常会进行目录暴力攻击，以识别目标网站可访问的目录。当前商业解决方案效率低下，基于暴力搜索策略使用词表，导致大量尝试仅获得少量成功。进 offensive AI 是一种近期方法论，将 AI 技术集成到网络攻击中。本文探索了 AI 是否可以增强目录枚举过程，并提出了一种基于语言模型的新型框架。我们的实验——在由不同 Web 应用领域（大学、医院、政府、公司）组成的 100 万 URL 测试环境中进行——显示出基于 LM 的攻击具有优势，平均性能提升 969%。
引用
@article{arxiv.2404.14138,
title = {Offensive AI: Enhancing Directory Brute-forcing Attack with the Use of Language Models},
author = {Alberto Castagnaro and Mauro Conti and Luca Pajola},
journal= {arXiv preprint arXiv:2404.14138},
year = {2024}
}
备注
Under submission