本技术介绍了一种创新的IoT Web漏洞检测技术,该技术结合静态和动态检测方法,利用大模型进行引导,以提高物联网安全防护能力。该方法旨在解决传统静态分析的高误报率和动态测试缺乏有效引导的问题,通过协同检测机制,优化检测流程,降低误报率,提升检测效率。
背景技术
随着物联网(IoT)技术的快速发展,智能设备在日常生活中的普及给人们带来了便利,但同时也引发了严重的安全隐患。许多厂商在开发过程中往往优先考虑功能和市场反应,而忽视了安全性,导致设备容易受到攻击。IoT Web包含设备之间的通信与管理,恶意软件如Mirai利用其漏洞,实施大规模网络攻击,威胁用户隐私和数据安全。在万物互联的时代,一种高效且准确的漏洞检测方法,是提升IoT设备的安全性的关键。
面对大规模IoT的安全检测需求,传统的静态分析虽然能发现潜在问题,但常伴随大量误报,需依赖人工验证;现有动态模糊测试方案则通常缺乏精准性和引导性,启发式方法难以高效到达漏洞风险点。
本发明提出了一种大模型引导的IoT Web 漏洞静动态协同检测框架,旨在有效检测IoT设备Web服务的安全性。首次将大语言模型引入到静态分析与动态模糊测试的协同过程中,专门针对IoT设备的安全分析。该框架从IoT Web服务入手,设计并实现了一套广泛且灵活的模糊测试方案,能够有效地发现和定位多种潜在的安全漏洞。
实现思路