การพัฒนากรอบการทำงานอัตโนมัติบนแพลตฟอร์ม n8n สำหรับการทดสอบเจาะระบบโดยใช้แบบจำลองภาษาขนาดใหญ่และหลักฐานเชิงโครงสร้าง
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาและประเมินกรอบการทำงานอัตโนมัติแบบขับเคลื่อนด้วยหลักฐานสำหรับการทดสอบเจาะระบบ โดยประยุกต์ใช้แบบจำลองภาษาขนาดใหญ่ร่วมกับกลไกการตรวจสอบภาวะหลอนของโมเดล เพื่อลดข้อจำกัดของการทดสอบเจาะระบบแบบเดิมที่ต้องอาศัยผู้เชี่ยวชาญสูง ใช้เครื่องมือหลายประเภทแยกจากกัน และมีความไม่สม่ำเสมอของผลลัพธ์ระหว่างรอบการทดสอบ กรอบการทำงานที่พัฒนาขึ้นใช้แพลตฟอร์ม n8n เป็นศูนย์กลางในการประสานกระบวนการทำงานอัตโนมัติ ภายใต้สภาพแวดล้อม Docker container stack โดยจำแนกเป้าหมายการทดสอบออกเป็น 4 ประเภท ได้แก่ ระบบบริการเครือข่าย เว็บแอปพลิเคชันสมัยใหม่ ระบบ API Security และระบบที่เกี่ยวข้องกับการรั่วไหลของข้อมูลลับหรือการตั้งค่าที่ไม่ปลอดภัย จากนั้นระบบจะเลือกกลยุทธ์การทดสอบให้เหมาะสมกับแต่ละประเภทของเป้าหมาย รวบรวมผลลัพธ์จากเครื่องมือให้อยู่ในรูปแบบหลักฐานเชิงโครงสร้าง และจัดเก็บในฐานข้อมูล PostgreSQL ก่อนนำเข้าสู่กระบวนการวิเคราะห์ด้วย GPT-4o ผ่านการออกแบบคำสั่งนำเข้าและการกำหนดผลลัพธ์แบบมีโครงสร้าง โดยไม่มีการปรับแต่งโมเดลเฉพาะงาน ทั้งนี้ ได้พัฒนากลไกตรวจสอบภาวะหลอนของโมเดลแบบอิงหลักฐาน เพื่อตรวจสอบว่าข้อค้นพบทุกประเด็นต้องมีหลักฐานจากเครื่องมือหรือบันทึกการทำงานรองรับก่อนนำเข้าสู่รายงานขั้นสุดท้าย การทดลองดำเนินการกับระบบเป้าหมายที่มีช่องโหว่โดยเจตนา 4 ระบบ ได้แก่ Metasploitable3, OWASP Juice Shop, OWASP crAPI และ OWASP WrongSecrets โดยทดสอบซ้ำระบบละ 6 รอบ รวมทั้งสิ้น 24 รอบการทดลอง ผลการทดลองแสดงให้เห็นว่า กรอบการทำงานสามารถรวบรวมหลักฐานเชิงโครงสร้างได้อย่างสม่ำเสมอ โดยมีค่าความสม่ำเสมอของหลักฐานเชิงโครงสร้างสูงกว่าร้อยละ 97 ทุกเป้าหมาย มีอัตราการผ่านการตรวจสอบของข้อค้นพบจากแบบจำลองภาษาขนาดใหญ่อยู่ระหว่างร้อยละ 83.02 ถึง90.32 และมีคะแนนความสามารถในการตรวจสอบย้อนกลับเฉลี่ยอยู่ระหว่างร้อยละ 89.83 ถึง 96.83 ผลลัพธ์ดังกล่าวสะท้อนให้เห็นว่า การผสานกระบวนการทำงานอัตโนมัติ การจัดการหลักฐานเชิงโครงสร้าง และการตรวจสอบผลลัพธ์ของแบบจำลองภาษาขนาดใหญ่แบบอิงหลักฐาน สามารถเพิ่มความน่าเชื่อถือ ความสม่ำเสมอ และความสามารถในการตรวจสอบย้อนกลับของการทดสอบเจาะระบบอัตโนมัติได้อย่างมีประสิทธิภาพ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
นโยบายการรับบทความ
กองบรรณาธิการวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น มีความยินดีรับบทความจากอาจารย์ประจำ และผู้ทรงคุณวุฒิในสาขาวิศวกรรมศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่นที่นำส่ง ดังนั้นผู้สนใจที่จะร่วมเผยแพร่ผลงานและความรู้ที่ศึกษามาสามารถนำส่งบทความได้ที่กองบรรณาธิการเพื่อเสนอต่อคณะกรรมการกลั่นกรองบทความพิจารณาจัดพิมพ์ในวารสารต่อไป ทั้งนี้บทความที่สามารถเผยแพร่ได้ประกอบด้วยบทความวิจัย ผู้สนใจสามารถศึกษาและจัดเตรียมบทความจากคำแนะนำสำหรับผู้เขียนบทความ
การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ
ข้อความที่ปรากฏภายในบทความของแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็น ความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับสถาบันเทคโนโลยีไทย-ญี่ปุ่น และคณาจารย์ท่านอื่น ๆ ในสถาบัน แต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใด ๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว
กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา ทัศนะ หรือข้อคิดเห็นใด ๆ ของบทความในวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น ไปเผยแพร่ก่อนได้รับอนุญาตจากผู้นิพนธ์ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น
ผู้ประสงค์จะส่งบทความเพื่อตีพิมพ์ในวารสารวิชาการ สถาบันเทคโนโลยีไทย-ญี่ปุ่น สามารถส่ง Online ที่ https://www.tci-thaijo.org/index.php/TNIJournal/ โปรดสมัครสมาชิก (Register) โดยกรอกรายละเอียดให้ครบถ้วนหากต้องการสอบถามข้อมูลเพิ่มเติมที่
- กองบรรณาธิการ วารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น
- ฝ่ายวิจัยและนวัตกรรม สถาบันเทคโนโลยีไทย-ญี่ปุ่น
เลขที่ 1771/1 สถาบันเทคโนโลยีไทย-ญี่ปุ่น ซอยพัฒนาการ 37-39 ถนนพัฒนาการ แขวงสวนหลวง เขตสวนหลวง กรุงเทพมหานคร 10250 ติดต่อกับคุณพิมพ์รต พิพัฒนกุล (02) 763-2752 , คุณจุฑามาศ ประสพสันติ์ (02) 763-2600 Ext. 2402 Fax. (02) 763-2754 หรือ E-mail: JEDT@tni.ac.th
เอกสารอ้างอิง
OWASP API Security Project Team. “OWASP Top 10 API Security Risks – 2023.” OWASP.org. Accessed: May 22, 2026. [Online]. Available: https://owasp.org/API-Security/editions/2023/en/0x11-t10/
OWASP Foundation. OWASP Web Security Testing Guide v4.2. (2020). Accessed: May 22, 2026. [Online]. Available: https://owasp.org/www-project-web-security-testing-guide/
OWASP Foundation, “OWASP Top Ten Web Application Security Risks,” 2025. [Online]. Available: https://owasp.org/www-project-top-ten/
Forum of Incident Response and Security Teams, “Common Vulnerability Scoring System Version 4.0: Specification Document,” Document Version 1.2, Nov. 1, 2023. [Online]. Available: https://www.first.org/cvss/v4-0/cvss-v40-specification.pdf
Metasploitable3. (2025). GitHub repository. Rapid7, Inc. Accessed: May 22, 2026. [Online]. Available: https://github.com/rapid7/metasploitable3
G. Lyon, Nmap Network Scanning. Beaverton, OR, USA: Nmap Software, 2009. Accessed: May 22, 2026. [Online]. Available: https://nmap.org/book/toc.html
Metasploit Framework. GitHub repository. Rapid7, Inc. Accessed: May 22, 2026. [Online]. Available: https://github.com/rapid7/metasploit-framework
B. Kimminich et al. OWASP Juice Shop. (2026). GitHub repository. (v20.1.1). OWASP. Accessed: Jul. 18, 2026. [Online]. Available: https://github.com/juice-shop/juice-shop
ZAP Dev Team. “Documentation.” ZAPROXY.org. Accessed: May 22, 2026. [Online]. Available: https://www.zaproxy.org/docs/
OWASP Foundation. “OWASP crAPI.” OWASP.org. Accessed: May 22, 2026. [Online]. Available: https://owasp.org/www-project-crapi/
J. Willemsen et al. OWASP WrongSecrets. (2026). OWASP. Accessed: May 22, 2026. [Online]. Available: https://owasp.org/www-project-wrongsecrets/
G. Deng et al., “PentestGPT: Evaluating and harnessing large language models for automated penetration testing,” in Proc. 33rd USENIX Secur. Symp., Philadelphia, PA, USA, Aug. 2024, pp. 847–864.
R. Fang, R. Bindu, A. Gupta, Q. Zhan, and D. Kang, “LLM agents can autonomously hack websites,” 2024, arXiv:2402.06664.
M. Bhatt et al., “CyberSecEval 2: A wide-ranging cybersecurity evaluation suite for large language models,” 2024, arXiv:2404.13161.
S. Wan et al., “CYBERSECEVAL 3: Advancing the evaluation of cybersecurity risks and capabilities in large language models,” 2024, arXiv:2408.01605.
P. Jing et al., “SecBench: A comprehensive multi-dimensional benchmarking dataset for LLMs in cybersecurity,” 2024, arXiv:2412.20787.
N. Tihanyi, M. A. Ferrag, R. Jain, T. Bisztray, and M. Debbah, “CyberMetric: A benchmark dataset based on retrieval-augmented generation for evaluating LLMs in cybersecurity knowledge,” in Proc. IEEE Int. Conf. Cyber Secur. Resilience (CSR), London, U.K., Sep. 2024, pp. 296–302.
I. David and A. Gervais, “Multi-agent penetration testing AI for the web,” 2025, arXiv:2508.20816.
X. Wu et al., “CurriculumPT: LLM-based multi-agent autonomous penetration testing with curriculum-guided task scheduling,” Appl. Sci., vol. 15, no. 16, 2025, Art. no. 9096, doi: 10.3390/app15169096.
N. O. Jaffal, M. Alkhanafseh, and D. Mohaisen, “Large language models in cybersecurity: A survey of applications, vulnerabilities, and defense techniques,” AI, vol. 6, no. 9, 2025, Art. no. 216, doi: 10.3390/ai6090216.
OpenAI. “GPT-4o system card.” OPENAI.com. Accessed: May 22, 2026. [Online]. Available: https://openai.com/index/gpt-4o-system-card/
Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, NIST AI 600-1, National Institute of Standards and Technology, Gaithersburg, MD, USA, Jul. 2024. [Online]. Available: https://doi.org/10.6028/NIST.AI.600-1
National Institute of Standards and Technology, “The NIST Cybersecurity Framework (CSF) 2.0,” Gaithersburg, MD, USA, NIST CSWP 29, Feb. 2024. [Online]. Available: https://doi.org/10.6028/NIST.CSWP.29
OWASP, “OWASP Top 10 for LLM Applications 2025,” OWASP Found., Wilmington, DE, USA, Accessed: May 22, 2026. [Online]. Available: https://genai.owasp.org/resource/owasp-top-10-for-llm-applications-2025/
n8n. “AI Workflow Automation Platform.” N8N.io. Accessed: May 22, 2026. [Online]. Available: https://n8n.io/
Docker Inc. Docker Compose. (2026). Accessed: May 22, 2026. [Online]. Available: https://docs.docker.com/compose/
Grafana Labs. “Dashboards.” GRAFANA.com. Accessed: May 22, 2026. [Online]. Available: https://grafana.com/docs/grafana/latest/visualizations/dashboards/
