一种基于多智能体协同推演的系统本体漏洞可达性自动化挖掘方法及装置与流程
本发明涉及自动化漏洞挖掘,具体涉及一种基于多智能体协同推演的系统本体漏洞可达性自动化挖掘方法及装置。
背景技术:
1、随着软件系统架构的不断演进以及业务逻辑复杂性的日益增加,确保系统本体的安全性已成为保障网络空间安全的关键基石。目前,市场上主流的自动化漏洞挖掘方案主要依赖静态代码分析(sast)和传统的模糊测试(fuzzing)。静态代码分析主要基于预定义的规则集和模式匹配在不运行代码的情况下发现漏洞,但该方法依赖人工提取特征,面对新型交互系统或未定义特征的未知漏洞时识别能力有限,且因缺乏跨过程的上下文推理能力,极易产生大量的误报与漏报。模糊测试通过向目标程序输入大量随机或变异的数据以试图触发异常行为,但其极度依赖初始测试用例的生成质量,面对多层防御护栏或复杂的深层逻辑分支时,盲目的随机变异难以有效渗透并验证深层次的未知缺陷。
2、近年来,研究人员尝试引入大语言模型(llm)来辅助进行代码缺陷审计或用例生成。然而,在实际的系统级漏洞挖掘应用中,现有的大模型辅助方案面临以下显著的瓶颈:
3、单个模型静态审计的“断层与幻觉”缺陷:现有的方案多采用单一模型,在面对庞大且复杂的软件控制流时,受限于上下文窗口与单一视角的局限性,无法进行多维度的架构审视,且由于缺乏反馈和纠偏机制,极易产生安全审计的“幻觉”。
4、缺陷嫌疑点缺乏控制流全路径可达性证明:即使单一模型依靠语义分析在源码中猜测出某个特定的潜在脆弱性隐患点,但由于现代软件系统包含大量的动态调用、前置过滤网关及复杂的业务逻辑护栏,现有的模型方案无法自主推演并证明从系统外部可控入口到该深层隐患点之间的控制流路径是否切实可达。这导致挖掘过程止步于“语义猜测”,无法自动生成具有实战复现能力的漏洞概念验证(poc)用例。
5、无法捕获动态交互引发的本体行为链失控:传统的安全审计与崩溃捕获技术主要关注系统进程的异常退出(如内存越界崩溃),但在现代具备多组件自动化协作的交互式系统中,许多致命漏洞表现为业务逻辑的越权破坏。恶意输入作为“污点数据”在系统内部传导时,可能在不引发程序崩溃的情况下,诱导或欺骗系统底层误触发敏感的执行后端(sink)。现有的漏洞挖掘技术无法对这种动态交互过程中的污点流向进行精准追踪和逻辑违背判定。
技术实现思路
1、为了克服上述缺陷,本发明提出了一种基于多智能体协同推演的系统本体漏洞可达性自动化挖掘方法及装置。
2、第一方面,提供一种基于多智能体协同推演的系统本体漏洞可达性自动化挖掘方法,所述基于多智能体协同推演的系统本体漏洞可达性自动化挖掘方法包括:
3、通过本体审计智能体调用静态分析工具链,对待测目标系统的控制面源代码进行控制流与数据流图谱分析,识别所述控制面源代码中存在的脆弱性可疑节点;
4、通过路径推演智能体生成待测目标系统的系统边界入口到所述脆弱性可疑节点的数据攻击路径,并基于所述脆弱性可疑节点构建本体审计智能体与路径推演智能体交互对抗质询过程,迭代优化数据攻击路径期望穿透成功率;
5、基于待测目标系统的专有通信协议规范文档确定测试探测payload的组装格式,并利用大语言模型生成该组装格式下所述数据攻击路径对应的测试探测payload;
6、将待测目标系统部署于定制的虚拟化沙箱环境中,将所述测试探测payload投入虚拟化沙箱中闭环执行,并利用虚拟化沙箱中预先部署的行为追踪器与系统信号捕获器挖掘待测目标系统漏洞。
7、优选的,所述通过本体审计智能体调用静态分析工具链,对待测目标系统的控制面源代码进行控制流与数据流图谱分析,识别所述控制面源代码中存在的脆弱性可疑节点之前,包括:
8、对待测目标系统的异构数据集进行语义上下文特征提取和向量化编码,得到语义向量,并将所述语义向量注入全局共享长期记忆库,从而实现语义关联知识库的初始化;
9、其中,所述异构数据集包括控制面源代码、api 接口树拓扑文件以及专有通信协议规范文档。
10、优选的,所述脆弱性可疑节点为存在边界溢出、输入验证缺失或时序控制断层的代码段。
11、优选的,所述脆弱性可疑节点满足:
12、
13、上式中,为脆弱性可疑节点的漏洞安全风险度量值,为漏洞安全风险度量阈值,其中,所述漏洞安全风险度量阈值如下:
14、
15、上式中,为预设系数,为漏洞安全风险度量值上限,为漏洞安全风险度量值下限。
16、优选的,所述基于所述脆弱性可疑节点构建本体审计智能体与路径推演智能体交互对抗质询过程,迭代优化数据攻击路径期望穿透成功率的过程中,收敛目标函数如下:
17、
18、上式中,为数据攻击路径中节点总数,为sigmoid 激活函数,为第一特征归一化权重矩阵,为高维空间特征向量嵌入函数,为通过路径推演智能体生成从系统边界入口到第j个脆弱性可疑节点的数据传导路径并生成阻碍质询,为第二特征归一化权重矩阵,为通过本体审计智能体响应所述并基于跨过程业务逻辑分析输出绕过前置安全过滤护栏的嵌套封装策略,为节点间的基础静态转移得分,为数据攻击路径中第j个节点,为数据攻击路径中第j+1个节点,为预设的全路径收敛阈值。
19、优选的,所述利用虚拟化沙箱中预先部署的行为追踪器挖掘待测目标系统漏洞,包括:
20、当待测目标系统的深层逻辑越权漏洞判定指标满足:
21、
22、时,判定待测目标系统本体存在深层逻辑越权漏洞,其中,为待测目标系统的深层逻辑越权漏洞判定指标,为指示函数,为行为追踪器捕获的动态污点流向距离,为逻辑触发判定阈值,为合法身份验签状态。
23、进一步的,所述行为追踪器捕获的动态污点流向距离如下:
24、
25、上式中,为测试探测payload触发的动态执行流轨迹,为当前执行轨迹边上携带的污点关联度均值,为预设的距离衰减系数,为当前执行轨迹边在动态依赖图中距离敏感目标的拓扑距离步数,其中,所述测试探测payload中外部可控的输入字段被标记为污点,系统底层的预选敏感执行后端被标记为敏感目标。
26、优选的,所述利用虚拟化沙箱中预先部署的系统信号捕获器挖掘待测目标系统漏洞,包括:
27、当所述系统信号捕获器捕获到沙箱进程触发了段错误、内存越界、或核心服务进程非预期重启信号时,判定待测目标系统存在传统内存破坏或拒绝服务型漏洞。
28、第二方面,提供一种基于所述的基于多智能体协同推演的系统本体漏洞可达性自动化挖掘方法的装置,所述装置包括:
29、第一分析模块,用于通过本体审计智能体调用静态分析工具链,对待测目标系统的控制面源代码进行控制流与数据流图谱分析,识别所述控制面源代码中存在的脆弱性可疑节点;
30、第二分析模块,用于通过路径推演智能体生成待测目标系统的系统边界入口到所述脆弱性可疑节点的数据攻击路径,并基于所述脆弱性可疑节点构建本体审计智能体与路径推演智能体交互对抗质询过程,迭代优化数据攻击路径期望穿透成功率;
31、第三分析模块,用于基于待测目标系统的专有通信协议规范文档确定测试探测payload的组装格式,并利用大语言模型生成该组装格式下所述数据攻击路径对应的测试探测payload;
32、第四分析模块,用于将待测目标系统部署于定制的虚拟化沙箱环境中,将所述测试探测payload投入虚拟化沙箱中闭环执行,并利用虚拟化沙箱中预先部署的行为追踪器与系统信号捕获器挖掘待测目标系统漏洞。
33、第三方面,提供一种基于所述的基于多智能体协同推演的系统本体漏洞可达性自动化挖掘方法的设备,所述设备包括:处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如权利要求1-8任一项所述的基于多智能体协同推演的系统本体漏洞可达性自动化挖掘方法。
34、本发明上述一个或多个技术方案,至少具有如下一种或多种有益效果:
35、本发明提供了一种基于多智能体协同推演的系统本体漏洞可达性自动化挖掘方法及装置,包括:通过本体审计智能体调用静态分析工具链,对待测目标系统的控制面源代码进行控制流与数据流图谱分析,识别所述控制面源代码中存在的脆弱性可疑节点;通过路径推演智能体生成待测目标系统的系统边界入口到所述脆弱性可疑节点的数据攻击路径,并基于所述脆弱性可疑节点构建本体审计智能体与路径推演智能体交互对抗质询过程,迭代优化数据攻击路径期望穿透成功率;基于待测目标系统的专有通信协议规范文档确定测试探测payload的组装格式,并利用大语言模型生成该组装格式下所述数据攻击路径对应的测试探测payload;将待测目标系统部署于定制的虚拟化沙箱环境中,将所述测试探测payload投入虚拟化沙箱中闭环执行,并利用虚拟化沙箱中预先部署的行为追踪器与系统信号捕获器挖掘待测目标系统漏洞;本发明提供的技术方案,消除模型幻觉,提高审计准确率,实现漏洞自动化实战证明,并且具备深层未知逻辑漏洞的挖掘能力,具体的:
36、消除模型幻觉,提高审计准确率:本发明通过引入本体审计智能体与路径推演智能体的跨角色对抗式多轮质询机制,改变了传统单兵大模型审计时的盲目性与孤立性,实现了有效的技术纠偏,显著降低了虚假漏洞的误报率。
37、实现漏洞自动化实战证明:本发明不局限于“语义层面的猜测”,而是通过引入可达性全路径推理,算出了真正的攻击传导路径,能够自动化生成直接可执行的 poc 用例,打通了“静态猜测”到“动态实战证明”的技术断层。
38、具备深层未知逻辑漏洞的挖掘能力:本发明设计的双重判定指标,使系统能够精确捕获不引发程序崩溃的业务越权行为,对各种未定义特征的逻辑本体漏洞(0-day)具有极强的挖掘深度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com