VEXAIoT: Autonomous IoT Vulnerability EXploitation using AI Agents

📄 arXiv: 2607.09653v1 📥 PDF

作者: Katherine Swinea, Kshitiz Aryal, Lopamudra Praharaj, Maanak Gupta

分类: cs.CR, cs.AI

发布日期: 2026-07-10

💡 一句话要点

提出VEXAIoT框架以自动化IoT漏洞利用

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 物联网安全 漏洞利用 自主代理 大型语言模型 渗透测试 安全评估 攻击执行

📋 核心要点

  1. 物联网系统由于硬件限制和不安全配置，面临严重的安全漏洞，现有的安全测试方法难以适应这些挑战。
  2. VEXAIoT框架通过结合漏洞检测和攻击执行代理，利用LLM进行自动化的漏洞发现和利用，提供了一种新颖的解决方案。
  3. 在IoTGoat和Metasploitable环境下的实验表明，VEXAIoT实现了高达100%的攻击成功率，整体成功率达到95.0%。

📝 摘要（中文）

物联网（IoT）系统由于硬件受限、固件过时和不安全的默认配置而固有脆弱，迫切需要可扩展和自适应的安全测试方法。尽管最近大型语言模型（LLM）代理在渗透测试和夺旗比赛中表现出色，但其在IoT特定漏洞中的应用尚未被探索。本文提出了一种名为VEXAIoT的自主多代理框架，利用LLM推理和攻击工具进行IoT环境中的漏洞发现和利用。该框架结合了漏洞检测代理和攻击执行代理，执行侦察、规划攻击序列并对易受攻击的IoT服务进行攻击。实验结果显示，在IoTGoat和Metasploitable环境中，攻击成功率高达100%，大多数攻击的平均执行时间在两分钟以内。VEXAIoT在260次攻击执行中实现了95.0%的整体成功率，展示了LLM驱动的代理在自动化IoT漏洞评估和攻击安全工作流中的潜力。

🔬 方法详解

问题定义：本论文旨在解决物联网（IoT）系统中存在的安全漏洞问题，现有的渗透测试方法难以适应IoT特定的脆弱性，导致安全评估效率低下。

核心思路：提出VEXAIoT框架，通过自主多代理系统，结合LLM推理与攻击工具，实现对IoT环境中漏洞的自动发现与利用，提升安全测试的自动化程度。

技术框架：VEXAIoT框架包含两个主要模块：漏洞检测代理负责识别IoT服务中的潜在漏洞，攻击执行代理则负责规划和执行攻击序列。整个流程包括侦察、攻击计划和执行三个阶段。

关键创新：VEXAIoT的核心创新在于将LLM与多代理系统结合，首次实现了针对IoT特定漏洞的自动化攻击，显著提升了攻击成功率和效率。

关键设计：在设计中，框架的参数设置经过优化，以确保在低token开销下实现高效执行，攻击的平均执行时间控制在两分钟以内，确保了实用性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，VEXAIoT在260次攻击执行中实现了95.0%的整体成功率，其中在IoTGoat环境中成功率为94.5%，在Metasploitable2环境中成功率为96.7%。大多数攻击的平均执行时间低于两分钟，展现了其高效性和实用性。

🎯 应用场景

VEXAIoT框架具有广泛的应用潜力，尤其在物联网安全评估、渗透测试和网络安全培训等领域。其自动化能力可以显著提高安全测试的效率，帮助企业及时发现和修复IoT设备中的安全漏洞，降低潜在风险。未来，该框架还可以扩展到其他领域的安全测试中，推动安全技术的发展。

📄 摘要（原文）

Internet of Things (IoT) systems are inherently vulnerable due to constrained hardware, outdated firmware, and insecure default configurations, creating a need for scalable and adaptive security testing approaches. While recent adoptions of Large Language Model (LLM) agents have demonstrated promise in penetration testing and Capture-the-Flag (CTF) environments, their application to IoT specific vulnerabilities remains unexplored. This paper presents an autonomous multi-agent framework, referred to as Vulnerability EXploitation using AI Agents (VEXAIoT), for vulnerability discovery and exploitation in IoT environments using LLM-based reasoning and offensive security tools. The framework combines a vulnerability detection agent and an attack execution agent to perform reconnaissance, plan attack sequences, and execute exploits against vulnerable IoT services. The system is evaluated in IoTGoat and Metasploitable environments across ten attack scenarios mapped to OWASP IoT vulnerabilities. Experimental results show attack success rate of up to 100% with low token overhead and average execution times under two minutes for most attacks. Across 260 attack executions, VEXAIoT achieves a 95.0% overall success rate, including 94.5% success in IoTGoat and 96.7% success in Metasploitable2. These results demonstrate the potential for LLM-driven agents to automate IoT vulnerability assessment and offensive security workflows in controlled environments