Δοκιμές διείσδυσης με τεχνητή νοημοσύνη μέσω Shennina: από την προσομοίωση στην επικύρωση
Εργασία ανοιχτής πρόσβασης στο ARES 2024 που εξετάζει το red teaming με υποστήριξη ΤΝ — μεταφέροντας τα αυτοματοποιημένα επιθετικά εργαλεία από προσομοιωμένα περιβάλλοντα στην πρακτική επικύρωση.
Image: Shennina project (GitHub: mazen160/shennina, README banner)Η εργασία «AI-Powered Penetration Testing using Shennina: From Simulation to Validation», των Στυλιανού Καραγιάννη, Λεωνίδα Αγάθου, Εμμανουήλ Μάγκου και Χριστοφόρου Νταντόγιαν με συνεργάτες, δημοσιεύθηκε με ανοιχτή πρόσβαση στα πρακτικά του ARES 2024.
Η εργασία διερευνά το red teaming με υποστήριξη ΤΝ, παρακολουθώντας τα εργαλεία από τα προσομοιωμένα περιβάλλοντα έως την πρακτική επικύρωση. Αυτή η μετάβαση συνιστά και το κύριο επιχείρημα: τα αυτοματοποιημένα επιθετικά εργαλεία αποδίδουν εντυπωσιακά στις ελεγχόμενες συνθήκες για τις οποίες ρυθμίστηκαν, και το ενδιαφέρον ερώτημα είναι τι επιβιώνει της επαφής με ένα σύστημα που δεν σχεδιάστηκε για την επίδειξη.
Η αυτοματοποίηση και τα όριά της
Οι αυτοματοποιημένες δοκιμές διείσδυσης υπόσχονται τη διεύρυνση της πρόσβασης σε μια σπάνια δεξιότητα. Ενέχουν όμως και τον κίνδυνο παραγωγής αναφορών με βεβαιότητα για διαδρομές επίθεσης που δεν υφίστανται. Η επικύρωση των αποτελεσμάτων προσομοίωσης έναντι πραγματικών στόχων είναι ο τρόπος με τον οποίο ο κίνδυνος αυτός μετράται αντί να θεωρείται δεδομένος.