01
AI安全测试概述
AI在安全测试中的角色 · 传统安全测试的痛点 · AI如何赋能Web安全测试
概念导论
02
环境搭建
Python虚拟环境配置 · 主流AI库安装(TensorFlow/PyTorch) · OWASP靶场搭建
环境工具
03
数据采集基础
HTTP请求与响应分析 · 使用Requests库抓取页面 · 处理Cookies和Session
爬虫数据
04
数据清洗与预处理
HTML解析(BeautifulSoup) · 正则表达式提取关键信息 · 数据去重与格式化
清洗预处理
05
特征工程入门
从HTTP响应中提取特征 · URL参数特征化 · 响应状态码与响应体特征
特征工程
06
机器学习基础
监督学习与无监督学习 · 分类与回归问题 · 训练集/验证集/测试集划分
ML基础理论
07
朴素贝叶斯分类器
原理简介 · 在SQL注入检测中的应用 · 模型训练与评估
贝叶斯分类
08
支持向量机(SVM)
SVM核心思想 · 在XSS检测中的应用 · 核函数的选择技巧
SVMXSS
09
决策树与随机森林
决策树原理 · 随机森林的集成优势 · 在CSRF Token预测中的应用
树模型集成
10
深度学习入门
神经网络基础 · 使用Keras构建简单模型 · 激活函数与损失函数
DLKeras
11
卷积神经网络(CNN)
CNN在Web安全中的应用场景 · 文本数据的卷积处理 · 模型训练实战
CNN文本
12
循环神经网络(RNN)与LSTM
序列数据处理 · 在日志异常检测中的应用 · 长短期记忆网络的优势
RNNLSTM
13
自然语言处理基础
分词技术 · 词袋模型与TF-IDF · 在Payload生成中的应用
NLP分词
14
Word2Vec与词嵌入
词向量的概念 · 训练自己的词嵌入模型 · 语义相似度计算
词嵌入Word2Vec
15
生成对抗网络(GAN)
GAN原理简介 · 生成对抗样本 · 绕过简单WAF的尝试
GAN对抗
16
强化学习入门
Q-Learning基础 · 在自动化漏洞挖掘中的应用 · 奖励函数设计
强化学习Q-Learning
17
自动化SQL注入检测
构建检测模型 · 特征选择与优化 · 误报率控制
SQL注入检测
18
自动化XSS检测
XSS Payload特征分析 · 模型训练与验证 · 绕过技术检测
XSS检测
19
自动化CSRF检测
CSRF漏洞特征 · 模型构建 · 与Burp Suite的集成
CSRF集成
20
自动化SSRF检测
SSRF漏洞特点 · 基于URL的检测模型 · 内网探测识别
SSRF内网
21
自动化文件上传漏洞检测
文件类型分析 · 恶意文件特征提取 · 模型部署
文件上传检测
22
自动化命令注入检测
命令注入特征 · 基于序列的检测模型 · 实时拦截策略
命令注入实时
23
自动化敏感信息泄露检测
正则与AI结合 · 响应内容分析 · GDPR合规检查
敏感信息合规
24
自动化逻辑漏洞检测
业务逻辑建模 · 异常行为识别 · 基于图神经网络的尝试
逻辑漏洞GNN
25
AI驱动的Fuzzing技术
智能Fuzzing框架 · 基于覆盖率的变异策略 · 与AI模型的结合
Fuzzing变异
26
模型部署与API化
Flask/FastAPI搭建推理服务 · Docker容器化部署 · 性能优化
部署API
27
模型安全与对抗攻击
模型窃取 · 投毒攻击 · 对抗样本防御策略
模型安全对抗
28
持续集成与持续测试
CI/CD管道集成 · 自动化测试触发 · 报告生成与告警
CI/CD自动化
29
实战项目一：AI驱动的Web漏洞扫描器
综合应用 · 构建AI驱动的Web漏洞扫描器
项目扫描器
30
实战项目二：AI辅助的渗透测试报告自动生成
NLP应用 · 渗透测试报告自动生成
项目NLP