Розробка та експериментальна оцінка ML-керованого веб-сканера для DAST

Abstract

У роботі представлено розробку та експериментальну оцінку ML-керованого веб-сканера безпеки для динамічного аналізу (DAST). Система реалізує трирівневу архітектуру (джерела даних, ядро обробки з ML-аналізом, прикладна інфраструктура) та чотиристадійний конвеєр, що поєднує пасивне ранжування, ML-керований фаззинг і доказову активну валідацію. Основна увага приділяється виявленню критичних класів вразливостей, зокрема SQL-ін’єкції та XSS. Експериментальні дослідження на навчальному стенді показали істотне скорочення часу перевірок без втрати повноти виявлення таких атак за умов обмежених ресурсів.