Pesquisadores apresentam Ulysses, um harness de segurança multi-agente que não apenas gera exploits candidatos para vulnerabilidades web usando LLMs, mas também os verifica de forma independente observando efeitos concretos de execução, produzindo o que chamam de "Provas de Exploitabilidade". No benchmark WebExploitGym, com 25 aplicações reais em 5 linguagens e 7 frameworks, o sistema confirmou exploits verificados para 10 dos 25 avisos de segurança testados e descobriu 4 vulnerabilidades inéditas, nunca reportadas antes.
Fonte ↗Pesquisadores testaram 24 combinações de modelos de LLM e harnesses de agente contra uma base de código em produção com vulnerabilidades ainda não públicas, confirmando 265 causas-raiz de segurança distintas. Nenhuma configuração isolada cobriu todos os achados, e 14,3% das vulnerabilidades só foram encontradas por exatamente um modelo, enquanto contexto de engenharia (como grafos de chamada derivados do CodeQL) beneficiou muito mais modelos menores do que o modelo de fronteira.
Fonte ↗O NeuroSploit v4.2.0 e um framework de pentest autonomo que orquestra 22 agentes especializados e 7 playbooks de ataque em cadeia, coordenando nove modelos de linguagem de ponta para comprometer ambientes de Active Directory no laboratorio vulneravel GOAD. A abordagem orquestrada atingiu 96-100% de cobertura de tecnicas com 90-97% de precisao e comprometeu tres dominios completos em 134 minutos, contra apenas 21-54% de cobertura e taxas de falso positivo 3,2 vezes maiores quando os mesmos LLMs foram usados de forma direta e isolada.
Fonte ↗O artigo argumenta que avaliar agentes de pentest baseados em LLM apenas pela capacidade de encontrar uma falha ou reproduzir um exploit ignora se o achado é verdadeiro, se o agente respeitou o escopo autorizado e se a operação deixou trilha auditável — propriedades batizadas de "assurance", que os autores defendem devem ser garantidas pelo harness (o runtime em volta do modelo), não pelo modelo em si. Ao testar essas propriedades contra uma implementação real de código aberto (NeuroSploit), encontraram uma lacuna concreta de enforcement de autorização e de auditoria à prova de adulteração.
Fonte ↗O framework PentestChain combina um modelo local pequeno (qwen2.5-7b via Ollama), camadas gratuitas de OpenRouter e Cerebras e um mapa determinístico de exploits para realizar testes de penetração automatizados a custo zero de API, expondo tudo via um servidor MCP com onze ferramentas. Os autores também mapeiam a própria superfície de ataque que um servidor MCP ofensivo introduz, citando incidentes reais como a falha remota CVE-2025-6514 no mcp-remote e o backdoor de cadeia de suprimento no pacote postmark-mcp.
Fonte ↗