前言
随着人工智能和自然语言处理技术的不断发展，AI & GPT（生成式预训练模型）在安全测试领域的应用越来越受关注。这些工具利用AI的强大能力，能够自动生成测试用例、识别安全漏洞和评估系统的安全性。本文将介绍基于AI & GPT的安全测试工具的概念和应用，以及它们在软件开发和网络安全中的重要性。
基于 AI & GPT 的安全测试工具在软件开发和网络安全中具有广泛的应用。它们可以帮助开发团队识别潜在的安全漏洞、评估系统的安全性，并提供改进建议。以下是一些常见的应用场景：自动化测试，安全漏洞识别，安全补丁自动化，异常检测，AI 模型部署安全。
BurpGPT
Burp Suite 扩展集成了 OpenAI 的 GPT，可以执行额外的被动扫描以发现高度定制的漏洞，并支持运行任何类型的基于流量的分析。
项目地址：https://github.com/aress31/burpgpt
❝
burpgpt 利用 AI 的强大功能来检测传统扫描程序可能遗漏的安全漏洞。它将网络流量发送到用户指定的 OpenAI model ，从而在被动扫描器中实现复杂的分析。此扩展提供可自定义的 prompts ，可以进行定制的网络流量分析，以满足每个用户的特定需求。查看示例用例部分以获得灵感。
❞
该扩展程序会生成一份自动安全报告，该报告根据用户的 prompt 和来自 Burp 发出的请求的实时数据总结潜在的安全问题。通过利用 AI 和自然语言处理，该扩展简化了安全评估流程，并为安全专业人员提供了扫描的应用程序或端点的更高级别的概述。这使他们能够更轻松地识别潜在的安全问题并确定分析的优先级，同时覆盖更大的潜在攻击面。
❝
「安装」
❞
git clone https://github.com/aress31/burpgpt 克隆项目到本地
gradle shadowJar 编译生成 jar 文件，文件在目录：lib/build/libs/
随后打开burpsuite，使用Extensions add 选择目录地址添加插件
ok
❝
「使用」
❞
在 burpsuite 工具栏里面会出现一个新的 Burpgpt 栏目，点击设置 API，模型，设置字段长度，设置自定义提示
在 proxy 历史里面或者选择一个请求右键，点击 Do passive scan ，会自动使用 Burpgpt 检测扫描请求的安全漏洞，会自动生成报告。
随后会自动调用 gpt 中的分析模型，对请求以及响应进行漏洞自动化分析
❝
「测试」
❞
本地搭建 Dvwa 靶场进行测试。
对靶场中各个请求使用 Burpgpt 调用 gpt 进行自动化被动扫描漏洞分析，会自动生成报告。
❝
「总结」
❞
该程序有社区版，以及专业版，和 burpsuite 一样，专业版需要付费，大家自行测试后，交流讨论。
参考
https://github.com/aress31/burpgpt
https://burpgpt.app/
原创文章，作者：batsom，如若转载，请注明出处：https://www.cncso.com/brupsute-linked-chatgpt-automated-vulnerability-analysis.html
