Ouroboros:一种基于遗传算法与循环神经网络符号化规则重建的WAF自演进测试框架

《Future Internet》:A Multi-Source Feedback-Driven Framework for Generating WAF Test Cases Pengcheng Lu, Xiaofeng Zhong, Wenbo Xu and Yongjie Wang

【字体: 大 中 小 】 时间:2026年03月21日 来源:Future Internet 3.6

编辑推荐:

  针对Web应用防火墙(WAF)自动化测试中强化学习面临的奖励稀疏与延迟问题,研究人员提出Ouroboros框架。该框架融合遗传算法进行符号规则重建,利用正则表达式(REGEX)到循环神经网络(RNN)转换实现细粒度置信度评分,并引入时序侧信道分析和多层级奖励机制,成功将黑盒攻击转化为白盒感知。实验表明,其在基于签名的WAF上达到了89.2%的绕过成功率,为自动化WAF测试与防御规则优化提供了高效解决方案。

  
Web应用防火墙(WAFs)是应对日益增长的Web攻击威胁的关键防线,其安全性评估却面临着严峻挑战。传统的测试方法效率低下,而现有的基于强化学习(RL)的自动化方案也陷入困境:攻击者难以窥探WAF内部不透明的规则逻辑,同时WAF仅能提供的布尔(通过/拦截)反馈,导致强化学习智能体在探索时奖励稀疏且延迟。稀疏的回报让智能体在茫茫动作空间中“盲人摸象”,进展缓慢;延迟的回报则使其难以将早期的变异步骤与最终的绕过结果关联起来,阻碍了复杂、多步骤变异策略的自主学习和组合。这成为了当前基于强化学习的SQL注入(SQLi)变异测试技术的核心瓶颈。
为了攻克这些难题,Pengcheng Lu, Xiaofeng Zhong, Wenbo Xu 和 Yongjie Wang 在《Future Internet》上发表了他们的研究,提出了名为Ouroboros的自动化测试框架。该框架旨在解决稀疏/延迟奖励的挑战,通过尝试提取黑盒WAF的检测规则,将黑盒攻击转化为“灰盒”甚至“白盒”感知,从而引导强化学习模型更高效地生成可绕过的攻击载荷(Payload)。其核心思想在于一个自我增强的循环:利用强化学习过程中产生的大量中间失败数据,不断反向推导和优化WAF规则,再用优化后的规则指导新的载荷变异,如此循环往复,恰如衔尾蛇(Ouroboros)自我吞噬、自我再生的意象。
为了开展这项研究,作者团队主要运用了三大关键技术模块。首先是基于遗传算法的WAF规则提取,通过对WAF拦截的恶意载荷进行预处理、聚类,并设计基因编码机制和适应度函数,从中间数据中逆向推导出近似的正则表达式规则。其次是正则表达式到神经网络的转换,将提取出的符号化正则表达式规则转换为具有双解释性的循环神经网络(RNN),该网络能够输出反映恶意载荷被检测可能性的连续置信度分数,为强化学习提供细粒度的奖励信号。最后是集成强化学习的载荷变异框架,该框架结合了时序侧信道分析(通过响应时间评估规则匹配深度)和多层级奖励机制,驱动智能体在复杂的动作空间中探索,自主进化出能够绕过WAF的测试用例。

2. Threat Model and Problem Formulation

该研究设定了威胁模型。系统假设目标是一个基于签名(Signature-based)的WAF,使用预定义的正则表达式规则过滤恶意请求。攻击者处于黑盒环境,对WAF内部规则一无所知,其能力包括:与WAF进行黑盒交互、发送无限制的探测请求、利用强化学习智能体迭代优化载荷,以及记录攻击的响应时间和状态。

3. Ouroboros

3.1. WAF Rule Extraction Based on Genetic Algorithm
该模块利用遗传算法从被拦截的载荷中逆向重建WAF规则。首先对载荷进行预处理,提取核心特征子串,并运用TF-IDF和DBSCAN聚类。接着,设计了一套包含16个预定义基因的基因型,将载荷编码为基因序列,并通过动态规划寻找最长公共子序列(LCS)来生成共享的正则表达式(表型)。最后,通过一个平衡准确性和泛化能力的复合适应度函数来驱动进化优化。实验表明,该方法在重建复杂正则表达式上达到了85.0%的准确率。
3.2. Regular Expression to Neural Network
为了解决符号规则难以被程序直接利用的问题,该研究提出将正则表达式转化为循环神经网络。首先,通过Thompson构造、DFA构建和最小化算法,将正则表达式转换为唯一的最小化确定性有限自动机(DFA)。然后,将此DFA映射为一个循环神经网络(RNN),其中DFA的状态对应RNN的隐藏状态,状态转移权重对应RNN的权重。这种方法实现了正则表达式与神经网络之间的双向可解释转换,在保持性能损失小于2%的同时,能输出连续的检测置信度,从而为强化学习提供所需的、非稀疏的奖励信号。
3.3. Reinforcement Learning with Enhanced Reward
在强化学习部分,框架集成了时序侧信道分析和多层级奖励机制。通过分析WAF的响应时间,提出了平均每字符时间(APCT)指标,该指标与规则匹配深度高度相关(r = 0.957, p < 0.001),可以作为评估载荷“危险程度”的代理信号。奖励机制则结合了从规则推断网络(RNN)得到的置信度分数和时序特征,形成包含即时奖励、稀疏奖励和时序奖励的混合奖励,有效解决了传统布尔反馈下的稀疏和延迟奖励问题,引导智能体更高效地探索和组合多步变异策略。
该研究的核心结论在于,Ouroboros框架通过集成遗传算法驱动的规则重建、正则表达式到神经网络的转换以及结合时序分析的强化学习,成功构建了一个能够自我增强的WAF自动化测试系统。它有效地将黑盒测试环境转化为具备细粒度反馈的“灰盒”环境,显著缓解了强化学习中的稀疏/延迟奖励问题。实验结果表明,该框架针对基于签名的WAF达到了89.2%的峰值绕过率,在探索效率和攻击成功率上均有显著提升。
这项工作的意义重大。在进攻性安全测试方面,它提供了一种高效、自动化的方法来发现WAF防护规则的未知漏洞,提升了安全评估的效率和深度。在防御性规则分析方面,其规则重建和神经网络转换技术为WAF规则的优化、解释和对抗性鲁棒性评估提供了新的思路和工具。该研究不仅推动了自动化安全测试技术的发展,也为构建更智能、更具适应性的网络防御体系奠定了基础。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号