摘要
渗透测试对保障现代 Web 基础设施至关重要，但传统人工方法难以应对规模与复杂性。针对现有 LLM 方法存在的技术实体幻觉及长期上下文记忆不足问题，本文提出 APT-Agent，一个全自动的 LLM 驱动渗透测试框架。该框架引入混合修正模块以恢复幻觉命令，并设计特定命令的记忆架构以在多步攻击序列中保持操作上下文。实验表明，APT-Agent 在端到端利用成功率上显著优于现有基准，代表了向可扩展、可靠自动化迈出的重要一步。
AI 推荐理由
论文提出特定命令记忆架构以解决长程上下文缺失问题，是核心贡献。
研究机构
University of Queensland
Brisbane, Australia
CSIRO Data61
Sydney, Australia
Melbourne, Australia
论文信息