論文の概要: Staying on the Attack Path: Structured State for Long-Horizon Automated Penetration Testing

• arxiv url: http://arxiv.org/abs/2609.07344v1
• Date: Mon, 07 Sep 2026 11:09:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.415077
• Title: Staying on the Attack Path: Structured State for Long-Horizon Automated Penetration Testing
• Title（参考訳）: 攻撃経路の安定:長距離自動貫入試験における構造状態
• Abstract要約: Intentestはインテントグラフ誘導型自動浸透試験剤である。 LLMのコンテキストウィンドウからの長い水平状態を、永続的なファクトインテント指向の非巡回グラフに外部化する。 総合的な成功率は88.2%、成功率は75.0%である。
• 参考スコア（独自算出の注目度）: 17.809156797437208
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model (LLM) based agents are increasingly applied to cybersecurity tasks such as vulnerability discovery and automated penetration testing. On long-horizon security tasks, however, such agents remain limited by context forgetting and intent drift: early critical facts and causal reasoning chains are lost over extended interactions, and the agent falls into aimless, repetitive exploration. This paper proposes Intentest, an intent-graph-guided automated penetration testing agent that externalizes long-horizon state from the LLM's context window onto a persistent fact-intent directed acyclic graph (DAG), thereby substantially reducing invalid transitions. We evaluate Intentest on automated penetration testing of web applications, a representative long-tail task in cybersecurity. In the DAG, verified network states are stored as immutable fact nodes, and exploration directions are constrained as intent edges bounded by predecessor facts. The system adopts a three-layer architecture, in which the fact-intent mapping layer maintains the global state, the task scheduling and allocation layer ensures execution stability through two-phase degradation recovery and multi-dimensional adaptive load balancing, and the intent retrieval and prediction layer provides tactical priors through a top-down five-stage filtering algorithm. On a benchmark of real CTF challenges covering more than ten vulnerability types across three difficulty levels, Intentest achieves an overall success rate of 88.2% and a success rate of 75.0% on hard tasks, improving over the baseline by approximately 44 and 50 percentage points. Ablation experiments further show that the intent retrieval and prediction reduce the average number of rounds on successful medium and hard tasks by about 33% and 48%, respectively, without changing the set of solvable tasks.
• Abstract（参考訳）: 大規模言語モデル(LLM)ベースのエージェントは、脆弱性発見や自動侵入テストといったサイバーセキュリティタスクにますます適用されている。 しかし、長期のセキュリティタスクでは、そのようなエージェントはコンテキストの忘れと意図の漂流によって制限される:初期の批判的事実と因果的推論連鎖は、拡張された相互作用によって失われ、エージェントは目的のない反復的な探索に陥る。 本稿では,LLMのコンテキストウィンドウから永続的なファクトインテント指向非巡回グラフ (DAG) へ長い水平状態を外部化するインテントグラフ誘導型自動浸透試験剤であるIntentestを提案する。 Intentest on automated peretration testing of web applications, a representative long-tail task in Cybersecurity。 DAGでは、検証されたネットワーク状態は不変なファクトノードとして格納され、探索方向は以前のファクトに拘束されたインテントエッジとして制約される。 本システムは、ファクトインテントマッピング層がグローバル状態を維持し、タスクスケジューリングとアロケーション層は、二相劣化回復と多次元適応負荷分散により実行安定性を保証し、インテント検索と予測層は、トップダウンの5段階フィルタリングアルゴリズムを介して戦術的先行情報を提供する3層アーキテクチャを採用する。 3つの困難レベルにわたる10以上の脆弱性タイプをカバーする実際のCTF課題のベンチマークにおいて、Intentestは88.2%の全体的な成功率とハードタスクにおける75.0%の成功率を達成し、ベースラインを約44から50パーセント改善した。 アブレーション実験により, 目的検索と予測により, 解決可能な課題のセットを変更することなく, それぞれ33%, 48%のラウンド数を削減できることがわかった。

関連論文リスト

• SherAgent: Scaling Attack Investigation in the Wild via LLM-Empowered Iterative Query-Filter Backtracking [32.566471484012276]
  Provenanceベースの攻撃調査は、データとクエリロジックを標準化することで、実行可能な自動化を可能にする。 我々は、SherAgentを開発するために数十億人のユーザーを提供する大手インターネット企業のSOCと協力している。 SherAgentは、APIコストが0.10ドル未満で、1回の調査で4分未満で、驚くほどの効率で運用されている。
  論文  参考訳（メタデータ） (2026-07-10T08:11:10Z)
• SCATE: Learning to Supervise Coding Agents for Cost-Effective Test Generation [3.511540973608371]
  SCATEは、コーディングエージェントの適応的で自動化された監視のためのフレームワークである。 現在のカバレッジとクラステスト容易性メトリクスに基づいて、最も有望なテストアクションを選択することを学ぶ。 32.3%のラインカバレッジ、30.9%のブランチカバレッジをエージェントのみのベースラインよりも達成している。
  論文  参考訳（メタデータ） (2026-07-09T23:13:46Z)
• Decoupling Reconnaissance and Exploitation: Measuring the Capability Boundaries of LLM-Based Web Penetration Testing [8.293465530619246]
  本稿では,2段階の非結合評価フレームワークを提案する。 我々は、マルチエージェント、モノリシック、グラフ駆動アーキテクチャをカバーする、オープンソースの5つの浸透試験エージェントを実証的に評価する。
  論文  参考訳（メタデータ） (2026-06-24T02:51:58Z)
• GTA: Generating Long-Horizon Tasks for Web Agents at Scale [82.43869456830664]
  我々は、クローリング、検索ベースのシード、コンテキスト内生成、自動品質管理を統合したスケーラブルなフレームワーク、GTAを導入する。 eコマース、政府、フォーラム、ニュースをカバーする50以上のウェブサイトでパイプラインをインスタンス化し、マルチリンガルとマルチホップをカバーしています。 i) マルチホップWebエージェントタスク生成の形式化、(ii) 自動データ生成のための効率的で検証されたパイプラインの提案、(iii) 再現可能な評価を伴う動的ベンチマークのリリースである。
  論文  参考訳（メタデータ） (2026-05-28T01:05:50Z)
• From Detection to Response: A Deep Learning and Retrieval-Augmented Generation Framework for Network Intrusion Mitigation [0.7136933021609079]
  本稿では,脅威検出と行動応答のギャップを埋める統一的なエンドツーエンドフレームワークを提案する。 まず、独立に訓練された3つのバイナリディープニューラルネットワーク(DNN)のアンサンブルで、ネットワークトラフィックフローをBenign, Denial of Service(DoS)またはDistributed Denial of Service(DDoS)に分類する。 第2に、Retrieval-Augmented Generation (RAG)パイプラインは、トップ5の異常な機能から説明対応プロンプトを構築する。
  論文  参考訳（メタデータ） (2026-05-18T07:17:55Z)
• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• AgentProcessBench: Diagnosing Step-Level Process Quality in Tool-Using Agents [50.481033105867205]
  我々はAgentProcessBenchを紹介した。AgentProcessBenchは、現実的なツール拡張トラジェクトリにおけるステップレベルの有効性を評価するための最初のベンチマークである。 ベンチマークは、1,000の多様な軌跡と8,509の人間ラベル付きステップアノテーションと89.1%のアノテーション間合意で構成されている。 探索をキャプチャする3つのラベリングスキームと、ラベルのあいまいさを減らすためのエラー伝搬ルールを備えている。
  論文  参考訳（メタデータ） (2026-03-15T16:13:58Z)
• What Makes a Good LLM Agent for Real-world Penetration Testing? [37.56537537883771]
  LLMをベースとした28の浸透試験システムを分析し,複雑性の増大を示す3つのベンチマークで5つの代表的実装を評価した。 我々は、B型障害がLLMの根本原因とほとんど変わらず、エージェントはリアルタイムなタスクの難易度推定を欠いていることを示す。 Excaliburは、強力なツールと困難な計画とを結合した浸透試験エージェントである。
  論文  参考訳（メタデータ） (2026-02-19T18:42:40Z)
• LongCLI-Bench: A Preliminary Benchmark and Study for Long-horizon Agentic Programming in Command-Line Interfaces [65.11019654023978]
  LongCLI-Benchは、長期にわたる現実的なタスクにまたがるエージェント能力を評価するために設計されたベンチマークである。 私たちは、1000以上のコンピュータサイエンスの課題と現実世界のタスクから、20の高品質で長い水平タスクをキュレートしました。 実験によると、最先端のエージェントでさえLongCLI-Benchの20%未満のパスレートを達成する。
  論文  参考訳（メタデータ） (2026-02-15T23:12:57Z)
• It's a TRAP! Task-Redirecting Agent Persuasion Benchmark for Web Agents [52.81924177620322]
  大規模な言語モデルを利用したWebベースのエージェントは、メール管理やプロフェッショナルネットワーキングといったタスクにますます利用されている。 動的Webコンテンツへの依存は、インジェクション攻撃の引き金に弱い: インターフェース要素に隠された敵対的命令は、エージェントが元のタスクから逸脱するように説得する。 本稿では,タスクリダイレクトエージェントの説得ベンチマーク(TRAP)について紹介する。
  論文  参考訳（メタデータ） (2025-12-29T01:09:10Z)
• AutoPT: How Far Are We from the End2End Automated Web Penetration Testing? [54.65079443902714]
  LLMによって駆動されるPSMの原理に基づく自動浸透試験エージェントであるAutoPTを紹介する。 以上の結果から, AutoPT は GPT-4o ミニモデル上でのベースラインフレームワーク ReAct よりも優れていた。
  論文  参考訳（メタデータ） (2024-11-02T13:24:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。