Fortinet刘庆功推出AI驱动WAF测试利器 实现攻击负载智能进化

随着网络安全和数据保护立法的不断完善，网站与Web应用安全防护得到前所未有的重视。在海量正常访问流量中精准识别并有效拦截恶意行为，从被动防御转向主动积极防护，已成为当前网络安全工作的核心课题。移动互联网时代，Web应用已成为互联网主流形态，针对Web应用的各类攻击手段层出不穷，安全攻防进入胶着状态。如何科学、有效地测试Web应用防火墙（Web Application Firewall，WAF）的防护能力，成为行业亟待解决的重大难题。

针对这一痛点，中国杰出的网络空间安全专家、WEB应用防火墙权威专家刘庆功，依托其17年深耕网络与信息安全领域的丰富经验，于2025年研发了“基于机器学习的WAF安全测试系统 V1.0”（计算机软件著作权登记号：2025SR2427257）。该系统集智能攻击负载生成、机器学习绕过模式学习、自动化变异优化于一体，是一款填补行业技术空白的高效、科学、可视化WAF安全测试工具，为Web应用防护能力评估提供了完整有效的机制。

图：刘庆功研发的“基于机器学习的WAF安全测试系统 V1.0”获国家版权局颁发计算机软件著作权登记证（登记号：2025SR2427257）

刘庆功，高级首席工程师/研发经理，现任Fortinet美国总部数据安全与AI驱动威胁防护领域Principal R&D Manager，领导DSPM（数据安全态势管理）、CASB和SSPM平台的人工智能驱动的数据安全技术的开发。他毕业于沈阳工程学院计算机科学与技术专业，拥有17年以上网络安全从业经验，曾在腾讯云（CSIG）、DiDi Chuxing、Venustech、Fortinet北京等知名网络科技巨头担任WAF、IPS核心研发与架构设计重任，长期从事Web安全、DoS防护、云原生安全及AI驱动数据安全技术研究，掌握了高性能WAF引擎设计、机器学习在安全测试中的应用等领先技术。

针对传统WAF测试指标不科学、测试流程不规范、难以真实模拟复杂攻击场景等行业难题，刘庆功提出并实现了“基于机器学习的WAF安全测试系统”。该系统首先基于预定义的语法库随机生成SQL注入、跨站脚本（XSS）、命令执行等主流Web攻击的初始随机攻击负载，并将其提交到受WAF保护的目标Web应用（如DVWA）进行测试并自动打标签；随后，机器学习模型通过初始负载集合学习与WAF绕过相关的模式及分片信息；接着，利用负载变异模块中的分片置换变异算法，对攻击负载进行智能变异，使其更有可能成功绕过WAF。通过多次迭代“负载生成—机器学习—负载变异”的闭环过程，系统能够自动生成大量高效、针对性的绕过WAF攻击负载，实现对WAF真实防护能力的科学评估。

核心优势

与传统Web应用安全测试工具不同，该系统不仅生成攻击流量，还同步生成合法流量，真实模拟生产环境下的攻防对抗；它能测试复杂、有状态的攻击场景，如Cookie篡改、注入等，而其他工具往往难以实现。更具开创性的是，其机器学习驱动的负载演化机制，能够持续学习WAF的决策边界，自动发现并强化绕过模式，极大提升测试效率和有效性。

据CSTC报告显示，该系统在三种主流WAF（ModSecurity、绿盟网络应用防火墙、云锁网络应用防火墙）上进行了全面绕过测试评估。同时，与同类网络攻击测试工具进行了横向对比。实验结果表明：该系统能够针对不同WAF成功生成三种主流攻击类型的有效负载，且在绕过有效性上显著优于现有同类工具，充分验证了其在实际测试场景中的可操作性、准确性和优越性。

刘庆功研发的这一系统，彻底解决了长期困扰行业的“WAF测试无完整有效机制”的技术空白，填补了基于机器学习的自动化、智能化WAF安全测试领域的国内空白。其技术先进性体现在：将机器学习与攻击负载变异相结合，实现从“随机生成”到“智能进化”的质的飞跃，为WAF规则调优、产品选型和安全能力建设提供了科学依据。

在当前网络安全形势日趋复杂的背景下，该系统的推广应用对提升我国乃至全球关键信息基础设施、重要Web应用系统的防护水平具有重要战略意义。它不仅为金融、医疗、政府等关键行业提供强有力的安全测试支撑，更为构建主动防御体系、应对国家层面网络威胁提供了技术利器，有力支撑了网络强国战略和数据安全国家战略的实施。

刘庆功表示，将继续深化AI在安全测试与防护中的应用，推动该系统向云原生、多语言、多场景扩展，为全球企业提供更强大、更智能的Web安全保障。