在傳統的滲透測試流程中，資安人員往往需要 手動嘗試各種攻擊腳本，像是 SQL Injection（SQLi）、Cross-Site Scripting（XSS），並觀察伺服器的反應。

這種方式不僅 耗時耗力，還容易 遺漏測試情境。

隨著 AI 技術的發展，我們可以建立一個 AI Agent，讓它自動：

• 產生惡意 Payload
• 向目標 API 發送攻擊請求
• 收集伺服器回應
• 交給 AI 分析「是否存在漏洞」
• 甚至給出「修補建議」

這樣一來，即使是單一開發者，也能快速模擬駭客手法，提早發現潛在弱點。

工作流程

1. 模擬一個不安全的伺服器 (server.js)
   • 提供一個 /login API，故意沒有防護機制。
   • 讓 AI Agent 可以進行 SQLi 與 XSS 測試。
2. AI Agent (agent.js)
   • 建立一組惡意 Payload (SQLi + XSS)。
   • 自動發送請求到目標 API。
   • 收集回應並交給 Gemini 模型分析，產生「問題 → 原因 → 修正建議」。

server – 模擬不安全 API

• express → 建立 API 伺服器
• /api/login → 模擬不安全登入點
• fakeQuery → 故意拼接字串，暴露 SQLi 漏洞

import express from "express";
import bodyParser from "body-parser";

const app = express();
app.use(bodyParser.json());

// 模擬不安全登入 API
app.post("/api/login", (req, res) => {
   const { username, password } = req.body;

   // 這裡故意用字串拼接 → SQLi 漏洞
   const fakeQuery = `SELECT * FROM users WHERE username = '${username}' AND password = '${password}'`;

   console.log("收到查詢:", fakeQuery);

   // 只要帳號是 admin 且密碼是 123，就算成功
   if (username === "admin" && password === "123") {
      res.send("登入成功");
   } else {
      res.send("登入失敗，SQL 查詢: " + fakeQuery);
   }
});

// 啟動伺服器
app.listen(3000, () => {
   console.log("測試伺服器啟動：http://localhost:3000");
});

AI Agent 攻擊腳本

1、惡意 Payloads

• SQLi → 嘗試繞過密碼檢查
• XSS → 測試是否會被反射回頁面

const payloads = [
  { username: "admin", password: "' OR 1=1 --" },      // SQL Injection
  { username: "<script>alert('XSS')</script>", password: "123" } // XSS
];

2、發送攻擊請求

• 送出惡意 Payload 到 API
• 收集伺服器回應 (status + response body)

async function attackApi(payload) {
   const res = await fetch(apiUrl, {
      method: "POST",
      headers: { "Content-Type": "application/json" },
      body: JSON.stringify(payload)
   });

   const text = await res.text();
   return { payload, status: res.status, response: text };
}

3、Gemini 分析

• 將攻擊回應交給 Gemini 模型
• 產生「問題 → 原因 → 修正建議」報告

async function analyzeResults(results) {
   const prompt = `
		你是一個資安顧問，請分析以下 API 測試結果，找出安全漏洞並提供修正建議：
		
		${JSON.stringify(results, null, 2)}
		
		請輸出格式：
		- 問題
		- 原因
		- 修正建議
		   `;

   const result = await model.generateContent(prompt);
   console.log("=== AI 分析回報 ===\n");
   console.log(result.response.text());
}

4、主程式

(async () => {
   let results = [];
   for (let p of payloads) {
      const r = await attackApi(p);
      results.push(r);
   }
   await analyzeResults(results);
})();