Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Multi-Agent Penetration Testing AI for the Web

Created by
  • Haebom

저자

Isaac David, Arthur Gervais

개요

본 논문은 AI 기반 소프트웨어 개발 플랫폼의 확산으로 인해 발생하는 웹 애플리케이션 보안 감사의 확장성 위기를 해결하기 위해, 다중 에이전트 시스템인 MAPTA를 제시한다. MAPTA는 대규모 언어 모델과 도구 기반 실행, 그리고 종단 간 악용 검증을 결합하여 자율적인 웹 애플리케이션 보안 평가를 수행한다. XBOW 벤치마크(104개 과제)에서 우수한 성능을 보이며, 특히 SSRF, 잘못된 설정 오류 등에서는 완벽한 성능을 기록했다. 비용 분석 결과, 성공적인 시도는 평균 0.073달러, 실패는 0.357달러로 나타났으며, 성공과 자원 효율성 간의 높은 상관관계를 확인했다. 실제 GitHub 저장소(8K-70K stars)에 대한 평가에서 RCE, 명령어 삽입, 비밀 노출, 임의 파일 쓰기 등의 심각한 취약점을 발견했으며, 10개의 발견 사항은 CVE 검토 중이다.

시사점, 한계점

시사점:
AI 기반의 자동화된 웹 애플리케이션 보안 평가 시스템의 효용성을 입증.
비용 효율적인 보안 감사 방법 제시.
실제 환경에서 심각한 취약점 발견 및 책임있는 공개.
대규모 언어 모델을 활용한 보안 감사의 가능성 제시.
한계점:
Cross-site scripting (57%)과 blind SQL injection (0%) 검출률 저조.
특정 유형의 취약점에 대한 검출 성능 개선 필요.
👍