DEF CON 33 Recon Village - enumeraite: AI Assisted Web Attack Surface Enumeration - Özgün Kültekin

網路安全研究的根本挑戰在於攻擊面列舉——企業通常擁有數千個子域名與API端點，其中大量「隱藏攻擊面」資產從未被發現過。傳統的列舉方法存在多重困境：被動掃描無法穿透萬用字元憑證，暴力破解受限於預定義字典，且當面對特定命名規則時完全無能為力。講者Osgun Kling以Apple的「iOS-mdnapple.com」為例——其中MDN代表地區碼「Maiden North Carolina」，但這種資訊無法從標準字典推導。他首次詢問ChatGPT時，AI回答「Mobile Diagnostic Network」，直到他提供完整上下文（多個相似子域名如Miami、Reno、New York）後，LLM才正確識別出地區碼的模式。

這個案例揭示了LLM的核心優勢：它們基於Transformer架構，不是逐詞預測而是同時查看整個上下文。通過分佈語義（Distributional Semantics），LLM能理解語言模式中的微妙差異。講者用數學證明演示：「API/user_remove」與「API/admin_create」的語義相似度（0.5）遠高於「API/user_remove」與「API/user_deletion」（0.3），因為前者共享相同的命名規則、縮寫風格與資本化模式。這正是人工思考容易忽略的——我們會認為相同功能應使用一致命名，但LLM理解企業實際上會保持一致的命名風格，因此能推導隱藏的API端點。

講者實驗了多個模型的演進路徑。LSTM（長短期記憶）是舊型RNN架構，能逐步預測下一層子域名，但因為序列處理的限制，無法做出創意推導。Nano-GPT（1,060萬參數）輕量級適合本地運行但效果平庸。GPT-2大小適中但生成質量一般。最終他選擇Llama 3.4B，用5,200萬個域名的2,800萬條路徑與2,200萬個子域名進行微調，理由是這個模型參數量適中（34億，不至於過大難以微調）、預訓練於網路文本因此已具備安全知識、支援長上下文且Transformer架構現代化。

最創新的是講者設計的代理結構（Agentic Structure）。系統首先拆解單一真實子域名「activate-iPhone-use1-cx0002.apple.com」為符號表示「activate [產品] use [地區] cx [集群ID]」，第一個LLM識別這些變數槽位及其模式，第二個LLM據此生成Apple產品列表（Mac、iPad、iPhone、Watch）與合理的區域/集群ID，最後迭代所有組合生成「enable-iPad-EUW1-Pro01」這類候選——這是人工從不會想到的。在電商網站測試中，輸入已發現的「login, card, checkout, product」能推導出「wishlist, accessories, bags, contact, account, orders」；在開發環境測試中，輸入「dev」能推導出「api-dev, api-staging, api-test」等開發環境相關的子域名。