LLM을 활용한 SQL Injection 퍼징 연구
Research on SQL Injection Fuzzing Using LLM
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 대규모 언어 모델(LLM)의 발전은 코드 수준의 맥락 이해와 생성 능력을 바탕으로 보안 분야에서도 새로운 가능성을 제시하고 있다. 본 연구에서는 이러한 LLM을 활용하여 웹 애플리케이션 환경에서 발생하는 SQL 인젝션 취약점을 효율적으로 탐지하기 위한 변이 엔진과 탐지 엔진으로서의 가능성을 실험한다. 구체적으로, LLM을 변이 엔진으로 활용하여 단순 문자열 변이를 넘어 실제 SQL 맥락에 부합하는 정교한 공격 페이로드를 자동 생성하고, 탐지 엔진으로서 LLM을 활용하여 SQL 맥락 변화를 인식하고 즉각적으로 취약점을 판별하는지 검증한다. 실험 결과, 본 접근법은 공격 페이로드를 상황에 맞게 작성하는 것을 확인하였으며, SQL 맥락을 이해하여 다양한 인젝션 패턴을 포착함으로써 더욱 효과적인 보안 기술로 사용할 수 있음을 확인하였다.
Abstract
The recent advancement of large language models (LLM) is also presenting new possibilities in the security field based on code-level contextual understanding and generation capabilities. In this study, we use these LLMs to test the potential as a mutation engine and detection engine to efficiently detect SQL injection vulnerabilities in web application environments. Specifically, LLM is used as a mutation engine to automatically generate sophisticated attack payloads that fit the actual SQL context beyond simple string variation, and LLM is used as a detection engine to verify that changes in SQL context are recognized and vulnerabilities are immediately identified. As a result of the experiment, it was confirmed that this approach can be used as a more effective security technology by understanding the SQL context and capturing various injection patterns.