VEXAIoT: Autonomous IoT Vulnerability EXploitation using AI Agents
本文介绍了 VEXAIoT，这是一个利用大语言模型实现物联网漏洞自动发现与利用的自主多智能体框架，在多种攻击场景下实现了 95% 的总体成功率，并具备极高的效率。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个充满智能设备的数字世界——会说话的恒温器、时刻观察着的摄像头，以及会自动订购牛奶的冰箱。虽然这些设备很酷，但它们往往大门敞开，使用着陈旧的锁具、默认密码和脆弱的安全机制。修复它们是一场噩梦，因为设备的类型繁多，且难以更新。
走进 VEXAIoT，这是一个由人工智能（具体来说是一种被称为“大语言模型”的技术）构建的新型数字侦探团队。不要把 VEXAIoT 仅仅看作一个单一的超级英雄，而要把它看作一个动态的双人组：一位侦探是侦察大师（即“漏洞检测代理”），而另一位则是行动大师（即“攻击执行代理”）。
两步舞步
这个 AI 团队是如何工作的，其步骤如下：
- 侦察兵： 第一位代理扮演着好奇探险家的角色。它扫描目标设备（如智能路由器），查看哪些门是开着的，以及正在运行哪些服务。然后，它将这份清单与一个庞大的已知招数库（称为“漏洞数据库”）进行交叉比对，看看这些开着的门是否存在已知的弱点。
- 策略师： 一旦侦察兵发现了弱点，它并不会直接闯入。它会停下来思考。它会询问 AI：“好吧，我们发现这个端口有一个弱密码。如何在不触发警报的情况下进入的最佳方式是什么？”随后，AI 会制定一个计划。
- 执行者： 第二位代理接过该计划，并实际运行工具来实施入侵。它可能会尝试猜测密码、诱骗设备接受一个虚假的更新，或者仅仅是在数据流动时窃取数据。
- 循环： 如果第一次尝试失败了，团队并不会放弃。它们会检查为什么失败，调整计划，然后再次尝试。这个过程是自动进行的，周而复始，直到成功或用尽所有办法。
大考：数字游乐场
为了验证这个团队是否真的有效，研究人员并没有仅仅靠猜测；他们构建了一个数字游乐场（测试平台），其中充满了故意设计得漏洞百出的设备。他们使用了两个主要的“游乐场”：
- IoTGoat： 一个专门设计成充满漏洞的智能路由器，代表了现实世界智能设备中发现的 10 种不同类型的安全缺陷。
- Metasploitable： 一个经典的、具有漏洞的计算机系统，用于观察 AI 是否能够适应不同类型的目标。
他们在这些游乐场中总共进行了 260 次攻击。
发现结果（数据）
结果非常强劲，但也带有重要的注意事项。
- 成功率： 该 AI 团队整体成功率达到了 95.0%。
- 在 IoTGoat 游乐场中，成功率为 94.5%。
- 在 Metasploitable 游乐场中，成功率为 96.7%。
- 完美得分： 在 IoTGoat 测试中，十个攻击场景（如窃取数据、删除日志或接管网页）中有七个达到了 100% 的成功率。
- 速度： 大多数攻击在 两分钟内 完成。单次最长的攻击耗时约 2 分 15 秒。
- 效率： AI 并没有浪费太多“脑力”（Token）。大多数攻击使用的 Token 在 500 到 700 个 之间，最复杂的攻击使用了高达 1,480 个 Token。
哪里失手了
这并非一次完美的运行。该团队大约有 5% 的时间失败了。原因在于：
- 拒绝执行： 有时，AI 内部的安全规则会介入，它会直接拒绝生成用于破门而入的“恶意”指令。
- 拼写错误： AI 有时会写出带有微小语法错误的指令，导致计算机无法理解。
- 幻觉： 极少数情况下，AI 会编造出一个不存在的事实或工具。
失败频率最高的攻击是那些需要非常精确、复杂指令的任务（如“MiniUPN 门后门”和“DNS DoS”攻击），这类攻击的成功率仅为 80%。
这意味着什么（以及它不是什么）
作者认为，该系统展示了真正的潜力，用于实现自动化安全测试。它证明了 AI 代理可以在受控环境中，在无需人类全程指导的情况下，摸索出如何寻找并利用漏洞。
然而，论文谨慎地指出，这不是什么：
- 它不是用于现实世界黑客攻击的工具。实验严格限制在隔离的虚拟测试平台中。
- 它不是解决所有 IoT 安全问题的“魔杖”。论文明确指出，这些结果适用于受控环境，而现实世界的设备要复杂得多。
- 它不是一个成熟的产品。作者承认，要使其真正可靠，我们需要更好的安全控制措施，以及处理错误的方法（而不只是让 AI 直接放弃）。
核心启示
可以将 VEXAIoT 看作一名非常聪明、动作迅速的安全测试学徒。在一个安全的模拟世界中，它几乎每次都能找到数字墙上的洞，并向你展示如何穿过它们。这表明，在未来，我们可能会使用 AI 来在坏人之前测试自己的设备；但就目前而言，它是一个强大的实验，而非一个已解决的问题。论文总结道，尽管 AI 前景广阔，但我们仍需人类来监督整个过程，并针对 AI 正在学习的这些手段构建更好的防御体系。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。