
عوامل تكيفية لاختبار الاختراق الديناميكي للويب
أكشات سينغ جاسوال · أشيش باغيل
مقبول في NDSS LAST-X 2026
تُنتَج تطبيقات الويب الحديثة بشكل متزايد من خلال التطوير بمساعدة الذكاء الاصطناعي وخطوط النشر السريع دون الحاجة إلى البرمجة، مما يوسّع الفجوة بين السرعة المتسارعة لتطوير البرمجيات والقدرة المحدودة على التكيّف لدى أدوات الأمان الحالية. نقدّم AWE، وهو إطار متعدد الوكلاء معزّز بالذاكرة لاختبار الاختراق الذاتي للويب، يدمج خطوط تحليل منظمة خاصة بكل ثغرة داخل طبقة تنسيق خفيفة قائمة على نماذج اللغة الكبيرة (LLM). عند تقييمه على معيار XBOW المكوّن من 104 تحديات، يحقّق AWE نسبة نجاح 87% في ثغرات XSS (أعلى بنسبة +30.5% من MAPTA) و66.7% في حقن SQL الأعمى (أعلى بنسبة +33.3%) مع استهلاك عدد رموز (tokens) أقل بنسبة 98% مقارنة بالأعمال السابقة.
git clone https://github.com/stuxlabs/awe.git
cd awe
cp .env.example .env
docker compose up --build
./run-docker.sh <target> --auto # intelligent orchestration
./run-docker.sh <target> --xss
./run-docker.sh <target> --sqli
src/
├── orchestrators/ # LLM-driven agent coordination
├── xss_agent/ # Context-aware XSS pipeline
├── sqli_agent/ # Database fingerprinting + injection
├── ssti_agent/ # Template engine detection
├── xxe_agent/ # XML external entity
├── command_injection_agent/
├── lfi_agent/
├── ssrf_agent/
├── idor_agent/
└── utils/ # Memory system, browser verification
@article{jaswal2026awe,
title={AWE: Adaptive Agents for Dynamic Web Penetration Testing},
author={Jaswal, Akshat Singh and Baghel, Ashish},
journal={arXiv preprint arXiv:2603.00960},
year={2026}
}