用于自主渗透测试的基于环境的多代理工作流程

数字基础设施日益复杂和互联，使得可扩展且可靠的安全评估方法变得至关重要。机器人系统代表了一类特别重要的操作技术，因为现代机器人是高度网络化的网络物理系统，部署在工业自动化、物流和自主服务等领域。本文探讨了使用 大语言模型 在机器人环境中进行自动化渗透测试。我们提出了一种适合基于机器人的系统的基于环境的多智能体架构。该方法在执行期间动态构建基于共享图的内存，捕获可观察的系统状态，包括网络拓扑、通信通道、漏洞和尝试的漏洞利用。这实现了结构化自动化，同时在整个测试过程中保持可追溯性和有效的上下文管理。在专门的机器人夺旗场景 (ROS/ROS2) 中进行多次迭代评估后，该系统表现出高可靠性，在 100% 的测试运行中成功完成了挑战 (n=5)。这一性能显着超过了文献基准，同时保持了欧盟人工智能法案等框架所需的可追溯性和人工监督。