🧠💥 LLM + RFC = FlowFSM: ИИ-агенты теперь читают протоколы лучше нас
📡 Протоколы нервная система интернета, но пока одни ищут 0-day в бинарниках, другие решают фундаментальные задачи: что, если просто автоматизировать разбор RFC и сразу строить конечный автомат?
Представляем FlowFSM — мультиагентный LLM-фреймворк, который сам читает RFC, извлекает команды, выстраивает допустимые состояния и собирает рабочую модель FSM, готовую к анализу и fuzzing-атакам.
🧠 ИИ-помощник, который реально работает
FlowFSM — это не просто один LLM-промпт. Это координируемая система агентов, где каждый отвечает за своё:
один читает структуру документа, другой находит команды, третий — выстраивает логику состояний, четвёртый собирает всё в единую модель.
И да, это уже работает.
📦 Разберёмся, как все устроенно
🧩 Шаг 1: Разбор RFC
RFC делится на логические блоки, вычищается от форматирования и готовится к чтению.
📜 Шаг 2: Извлечение команд и состояний
LLM выделяет ключевые команды (например, USER, PASS) и сопоставляет им состояния и зависимости:
что можно вызывать, что запрещено, в каком порядке.
🧠 Шаг 3: Сборка rulebook
Каждая команда получает профиль:
– в каком состоянии она допустима
– что делает
– какие переходы открывает
На выходе — структурированная FSM, пригодная для анализа, генерации тестов и автоматизированного поиска уязвимостей.
⚡ Насколько хорош результат?
FlowFSM протестировали на двух протоколах — FTP и RTSP. Результаты:
Для FTP: модель извлекла 90 правильных переходов, пропустила 12, и добавила 18 ложных
Для RTSP: 18 правильных, 3 пропущенных, 4 ошибочных
Это дало F1-метрику:
~85% для FTP
~84% для RTSP
💡 При этом:
➖ FlowFSM работает автономно без ручной разметки
➖ Обходит zero-shot GPT-4 и rule-based подходы по точности
➖ Ошибается предсказуемо и понятно, легко отлаживается
🛠 Что под капотом?
1⃣ Используется CrewAI — open-source фреймворк для координации LLM-агентов
2⃣ Модель: LLaMA-3 70B, но можно подключить GPT, Claude, Mistral и др.
3⃣ Агентная архитектура легко адаптируется под новые протоколы
4⃣ Поддерживает подключение векторных БД и retrieval-механизмов
🔍 В чем новизна?
🚫 Больше не нужно вручную копаться в RFC на 120 страниц
⚙️ FSM можно сразу использовать в fuzzing и символьном анализе
📊 Можно масштабировать: от FTP до TLS и 5G
🔄 Обновления RFC? — просто перегоняешь через FlowFSM
🧭 Куда всё движется?
Разработчики планируют:
➖ Поддержку новых сетевых протоколов
➖ Интеграцию с фреймворками fuzzing/coverage-guided testing
➖ Улучшение explainability для автоматической валидации FSM
🔗 Код: github.com/YoussefMaklad/FlowFSM
Stay secure and read SecureTechTalks 📚
#FlowFSM #FSM #ProtocolSecurity #LLM #Cybersecurity #CrewAI #PromptChaining #RFC #Fuzzing #LLMengineering
#AIinSecurity #ReverseEngineering #Automation #NLP #InfoSecTools #LLMagents #AIprotocols #SecurityAutomation #AIresearch #SecureTechTalks
📡 Протоколы нервная система интернета, но пока одни ищут 0-day в бинарниках, другие решают фундаментальные задачи: что, если просто автоматизировать разбор RFC и сразу строить конечный автомат?
Представляем FlowFSM — мультиагентный LLM-фреймворк, который сам читает RFC, извлекает команды, выстраивает допустимые состояния и собирает рабочую модель FSM, готовую к анализу и fuzzing-атакам.
🧠 ИИ-помощник, который реально работает
FlowFSM — это не просто один LLM-промпт. Это координируемая система агентов, где каждый отвечает за своё:
один читает структуру документа, другой находит команды, третий — выстраивает логику состояний, четвёртый собирает всё в единую модель.
И да, это уже работает.
📦 Разберёмся, как все устроенно
🧩 Шаг 1: Разбор RFC
RFC делится на логические блоки, вычищается от форматирования и готовится к чтению.
📜 Шаг 2: Извлечение команд и состояний
LLM выделяет ключевые команды (например, USER, PASS) и сопоставляет им состояния и зависимости:
что можно вызывать, что запрещено, в каком порядке.
🧠 Шаг 3: Сборка rulebook
Каждая команда получает профиль:
– в каком состоянии она допустима
– что делает
– какие переходы открывает
На выходе — структурированная FSM, пригодная для анализа, генерации тестов и автоматизированного поиска уязвимостей.
⚡ Насколько хорош результат?
FlowFSM протестировали на двух протоколах — FTP и RTSP. Результаты:
Для FTP: модель извлекла 90 правильных переходов, пропустила 12, и добавила 18 ложных
Для RTSP: 18 правильных, 3 пропущенных, 4 ошибочных
Это дало F1-метрику:
~85% для FTP
~84% для RTSP
💡 При этом:
🛠 Что под капотом?
1⃣ Используется CrewAI — open-source фреймворк для координации LLM-агентов
2⃣ Модель: LLaMA-3 70B, но можно подключить GPT, Claude, Mistral и др.
3⃣ Агентная архитектура легко адаптируется под новые протоколы
4⃣ Поддерживает подключение векторных БД и retrieval-механизмов
🔍 В чем новизна?
🚫 Больше не нужно вручную копаться в RFC на 120 страниц
⚙️ FSM можно сразу использовать в fuzzing и символьном анализе
📊 Можно масштабировать: от FTP до TLS и 5G
🔄 Обновления RFC? — просто перегоняешь через FlowFSM
🧭 Куда всё движется?
Разработчики планируют:
🔗 Код: github.com/YoussefMaklad/FlowFSM
Stay secure and read SecureTechTalks 📚
#FlowFSM #FSM #ProtocolSecurity #LLM #Cybersecurity #CrewAI #PromptChaining #RFC #Fuzzing #LLMengineering
#AIinSecurity #ReverseEngineering #Automation #NLP #InfoSecTools #LLMagents #AIprotocols #SecurityAutomation #AIresearch #SecureTechTalks
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1