Как големите езикови модели могат да експлоатират Zero-Day уязвимости

Бързия напредък в AI и по-специално в големите езикови модели (LLMs), представиха нова ера на възможности както за офанзивни, така и за дефанзивни приложения в областта киберсигурността. Последните изследвания на Университета в Илинойс, Урбана-Шампейн подчертава едно революционно развитие: екипи от LLM агенти могат автономно да експлоатират реални Zero-Day уязвимости. Това изследване е подробно описано в труда „Teams of LLM Agents can Exploit Zero-Day Vulnerabilities“ (arXiv:2406.01637v1) и демонстрира значителен напредък в AI-задвижваните „хакери“, което може да има дълбоки последици за бъдещето на киберсигурността.

Предизвикателството Zero-Day уязвимости

Zero-Day уязвимостите са секюрити проблеми в софтуера, които са неизвестни на ползвателя на дадена системата и за които няма кръпка. Тези уязвимости са особено опасни, защото оставят системите незащитени, докато не бъде разработен и приложен фикс. Исторически, идентифицирането и експлоатирането на тези уязвимости изискваше значителна експертиза и ръчен труд, което правеше задачата трудна и ресурсоемка както за нападателите, така и за защитниците.

Традиционни AI агенти и техните ограничения

Предишни проучвания показават, че AI агенти могат автономно да експлоатират известни уязвимости, когато им се предоставят подробни описания. Тези агенти, основно базирани на големи езикови модели, успяват да решават проблеми в стил „capture-the-flag“ и дори реални уязвимости, когато им се предоставя достатъчен контекст. Въпреки това, тези агенти значително се затрудняваха в Zero-Day ситуации, където няма предварителни описания на уязвимостите. Основните проблеми са: неспособността да се изследват ефективно различни уязвимости и предизвикателствата при дългосрочно планиране в рамките на ограничената контекстна дължина при текущите LLM.

HPTSA: Йерархично планиране и специализирани агенти за задачи

За да преодолеят тези ограничения, изследователският екип въвежда нова многопрофилна рамка, наречена HPTSA (Hierarchical Planning and Task-Specific Agents). Тази система е проектирана да използва силните страни на множество специализирани агенти, координирани от иерархичен координатор. Архитектурата на HPTSA включва три основни компонента:

1. Иерархичен координатор: Този агент изследва целевата система (например уебсайт), за да идентифицира потенциални уязвимости и да изготви цялостна стратегия за атака.
2. Мениджър на екип: След като иерархичният координатор установи стратегията, мениджърът на екипа определя кои специализирани агенти да разположи за всяка идентифицирана уязвимост.
3. Специализирани агенти за задачи: Тези агенти са експерти в експлоатирането на специфични типове уязвимости, като SQL инжекции (SQLi), крос-сайт скриптинг (XSS), крос-сайт форджъри (CSRF) или инжектиране от тип (SSTI).

Иерархичният координатор първо идентифицира потенциални цели в системата и разработва стратегия от високо ниво. След което комуникира този план с мениджъра на екипа, който избира и координира специализираните агенти. Тези агенти, оборудвани с подходящи инструменти и документи, се фокусират върху експлоатирането на съответните типове уязвимости.

Оценка в експлоатирането на реални Zero-Day уязвимости

За да оценят ефективността на HPTSA, изследователите разработиха оценител, състоящ се от 15 реални уязвимости в уеб приложения, които са отвъд познанието на използвания модел GPT-4. Тези уязвимости обхващат различни нива на тежест и типове, осигурявайки всеобхватна оценка на възможностите на системата. Оценителят включва уязвимости като XSS в Travel Journal, CSRF в flusity-CMS и SQLi в Sourcecodester.

Резултати от експеримента

Настройка в експеримента включват измерване на успеваемостта на агентите, използвайки две основни метрики: pass at 5 (успех в рамките на пет опита) и общ процент на успеваемост (pass at 1). HPTSA демонстрира процент на успеваемост pass at 5 от 53% и pass at 1 от 33.3%, значително надминавайки традиционните AI агенти и скенерите за уязвимости като ZAP и MetaSploit, които постигнаха 0% успеваемост при тази оценка.

Освен това, производителността на HPTSA е била в рамките на 1.4 пъти на агент, предоставен с описание на уязвимостта, подчертавайки неговата ефективност в Zero-Day настройки. Изследването включваха също аблационни експерименти, които показаха, че както иерархичният координатор, така и специализираните агенти са от решаващо значение за постигане на висока производителност.

Аблационни проучвания

За да разберат по-добре възможностите на HPTSA, изследователите проведоха аблационни проучвания, като премахнаха определени компоненти. Резултатите показаха, че премахването на специализираните агенти или документите описващи как определени уязвимости работят, води до значителен спад в производителността, подчертавайки тяхната необходимост.

Таблица 2: Pass at 5 и общ процент на успеваемост (pass at 1) 

Изследването илюстрира как работи HPTSA. Например, при експлоатирането на уязвимостите във flusity-CMS, системата успешно идентифицира и експлоатира както CSRF уязвимостта (CVE-2024-24524), така и XSS уязвимостта (CVE-2024-27757) чрез координирани усилия на иерархичния координатор и специализираните агенти. Иерархичният координатор първо идентифицира уязвимите компоненти, а специализираните агенти извършиха подробните експлойти.

Успешен случай: Flusity-CMS

1. Иерархичен координатор: Идентифицира администраторския панел като потенциална цел.
2. XSS агент:
– Опит 1: Влезе в системата, но не изследва напълно администраторския панел.
– Опит 2: Успешно експлоатира обща XSS уязвимост.
– Опит 3: Експлоатира специфичната XSS уязвимост в галерията (CVE-2024-27757).
3. SQL агент:
– Опити 1-3: Изследва SQL инжекционни атаки, но не успя.
4. CSRF агент:
– Опит 1: Успешно създаде CSRF payload за експлоатиране на уязвимостта при създаването на менюта (CVE-2024-24524).
– Опити 2-3: Изследва други CSRF payloads без успех.

Неуспешни случаи

Определени уязвимости, като alf.io неправилна авторизация (CVE-2024-25635) и Sourcecodester SQLi (CVE-2024-33247), се оказаха предизвикателни за HPTSA. Системата се затрудняваше при намирането на специфични крайни точки, които не са документирани или видими на повърхността, което подчертава области за подобрение в изследователските техники.

Анализ на разходите и бъдещи перспективи

Изследването също така предостави анализ на разходите за използване на AI агенти за тези експлойти. Средната цена на успешен експлойт беше изчислена на $24.39, което е по-високо от традиционните методи, но се очаква да намалее с развитието на AI технологията. Изследователите очакват бъдещо намаление на разходите за AI, което може да направи това по-икономически ефективно решение в сравнение с човешки тестери по проникване.

Разбивка на разходите

За опит –  $4.39
За успешен експлойт – $24.39
Човешки експерт (предполагаем) – $75.00

Влияние върху киберсигурността

Възможността на AI агентите да експлоатират автономно Zero-Day уязвимости представя както възможности, така и предизвикателства за експертите по киберсигурност. От една страна, тестерите по проникване и рисърчърите по сигурност могат да използват тези AI агенти, за да идентифицират и покрият уязвимостите по-ефективно. От друга страна, злонамерени актьори биха могли да използват подобни технологии за стартиране на сложни атаки, което подчертава спешността за разработка на адекватни защитни механизми.

Изследването подчертава необходимостта от внимателно разглеждане от страна на доставчиците на LLM относно разполагането на такива мощни технологии. С развитието на AI е важно да се разработят етични насоки и защитни мерки, за да се гарантира, че напредъкът ще бъде от полза за защитата по киберсигурност повече, отколкото за зловредните актьори.

Заключение

Изследването на Ричард Фанг, Рохан Бинду, Акул Гупта, Киуси Жан и Даниел Канг представлява значителен напредък в приложението на AI в киберсигурността. Показвайки, че екипи от агенти с LLM могат ефективно да експлоатират Zero-Day уязвимости, те отвориха нови пътища както за офанзивни, така и за дефанзивни стратегии по киберсигурност.