Self-Learning Attack Generation toward Edge-Based Consumer Web Security Testing

Hsin‐Hung Cho

doi:10.1109/mce.2026.3731752

Self-Learning Attack Generation toward Edge-Based Consumer Web Security Testing

2026-09-10

0

PRE

AI

DOI：10.1109/mce.2026.3731752

原文链接

原文求助

摘要

En 中文

针对消费电子产品（CE）应用的网络服务安全性评估日益重要，因为许多设备管理平台、支持系统和配套服务依赖于基于PHP的网络技术。现有的黑盒模糊测试方法往往因输入空间过大而覆盖的漏洞有限，而现有的XSS数据集可能不完整或偏向已知的载荷模式。本文提出一个自动化网络安全测试系统，利用生成对抗网络（GAN）从有限样本中学习和生成多样化的攻击模式。选择WordPress作为实用的PHP实验载体，因其广泛应用于面向消费者的服务，而提出的测试过程关注通用的PHP输入处理、载荷执行和响应分析，而非WordPress特定功能。该框架旨在支持本地攻击输入生成，作为未来边缘或网关部署选项。本次实验验证聚焦于受控网络测试环境中的载荷生成和漏洞测试，而非嵌入式硬件。结果表明，生成的载荷能在有限的、不完善的攻击数据条件下支持消费级网络服务的安全测试。

Keyword:

Cross-site scripting

Payloads

Testing

Training

Modeling

Security

Learning (artificial intelligence)

Sequences

Sequential analysis

Generative adversarial networks

Self-Learning Attack Generation toward Edge-Based Consumer Web Security Testing

摘要

期刊

机构

引用论文