Pioneering Autonomous Penetration Testing with Large Language Models through Prompt Engineering and Agentic System Design
Notice bibliographique
Résumé
Autonomous Cyber Operations(ACO) aims to solve the ongoing cyber defense challenges caused by the prevalent cybersecurity talent shortage. Designing structured prompts with agentic systems can effectively direct Large Language Models(LLMs) behavior to navigate the attack through complex, multiphase operations without human oversight, leading to a fully autonomous cyber penetration testing and continuous cybersecurity posture monitoring. Current approaches to automated cyber-attacks lack the flexibility and adaptability to navigate the complex attack phases. Research in ACO has explored Artificial Intelligence(AI)-driven solutions, but integration of LLMs and prompt engineering strategies into these systems do not exist to date. This thesis introduces a novel phase-driven prompting methodology, called PromptPilot, paired with techniques such as Chain of Thought(CoT), Tree of Thought(ToT), and ReAct, to guide LLMs through the Cyber Kill Chain. Real-time trials in the simulated environment Emulated Cybernetic Hostile Operations(E.C.H.O) confirmed the viability of these prompt-driven autonomous penetration testing through exploitation. These results highlight that this emerging approach is viable, efficient, and precise in task execution across the attack phases, toward developing ACO agents. This research establishes the first framework for AI-driven autonomous penetration testing, emphasizing prompt and agentic system design as a cornerstone in advancing automated offensive and defensive cybersecurity capabilities.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».