使用DRL的自动化渗透测试
使用DRL的自动化渗透测试
一、摘要
本文提出了一种方法用来自动化渗透测试的两个阶段。首先，我们利用Shodan搜索引擎收集相关服务器数据，建立网络拓扑图，并利用MulVAL生成相关攻击图，使用传统搜索算法DFS进行结合，找到所有可能的攻击路径。然后采用DQN算法找寻最优路径。
二、体系框架
框架分为三个主要部分：训练数据，DQN模型和渗透工具集
训练数据主要是通过Shodan收集网络信息，然后MulVAL对网络建模，利用DFS生成简化的矩阵作为DQN输入。数据集有主机数据集和漏洞数据集，结合作为DQN的训练数据集。MulVAL的语法模板如下：
DQN的激活函数使用softmax，奖励通过CVSS基础分数和可利用分数来定义。
目前利用到的工具有：Metasploit和CyPROM.
三、实验评估
实验场景：
主机配置信息：
DQN效果:
四、实验总结
我们的框架能够帮助进行渗透测试，但是工具集模块还不够完善，一旦工具集模块成熟，我们就可以利用到真实环境中。作为未来的工作，我们计划把重点放在两个方面：①是计划扩大训练数据集与额外的网络拓扑，以改善DQN模型的通用性和稳定性②是将网络服务扫描功能集成到框架中，以便真正的目标环境信息可以自动提供给DQN模型，从而获得更准确的结果对于真实网络拓扑。
文章信息
原文:Automated Penetration Testing Using Deep Reinforcement Learning
源码:无
申明:版权归原文作者及出版单位所有，如有侵权请联系删除
