解耦侦察与利用：测量基于 LLM 的 Web 渗透测试能力边界

针对现有端到端黑盒评估易受错误级联影响的问题，本文提出一种两阶段解耦评估框架，将漏洞利用执行与侦察分离。通过在 70 个高保真 Web 漏洞测试床上进行真实注入和知识驱动的消融实验，该框架有效隔离了利用性能与侦察噪声。实证评估了五种开源渗透测试代理，结果显示：在提供准确漏洞上下文时，代理功能成功率高达 90%；而自主侦察因非结构化遥测解析失败，召回率仅约 50%。研究还揭示了不同架构的能力差异，为下一代自动化安全代理设计提供了细粒度基准。