根據 thehackernews.com 的報導，PortSwigger 的研究主管 James Kettle 開發了一套名為 HTTP Terminator 的人工智慧輔助研究系統。這套系統展示了 AI 在自動化發現複雜網路漏洞方面的潛力，不僅成功生成並證明了多種新型的 HTTP 脫同步（HTTP Desynchronization）攻擊技術，還在人類引導的協作過程中發現了 Apache Traffic Server 的零日漏洞（Zero-day，指尚未被開發者知曉且未修補的漏洞）。
背景與 HTTP 脫同步問題
在現代網路架構中，使用者請求通常會先經過前端代理伺服器（Front-end Proxy），再被轉發到後端的應用伺服器（Back-end Server）。HTTP 脫同步攻擊的核心在於利用前端與後端伺服器對 HTTP 請求邊界解析的不一致，導致兩者對請求數量或長度的認知產生分歧。
當這種脫同步發生時，攻擊者可以將部分惡意請求「走私」到後端伺服器中。最危險的後果是導致回應隊列中毒（Response Queue Poisoning, RQP）。在 RQP 攻擊中，後端伺服器產生的回應會與前端伺服器的請求順序錯位，導致前端將原本屬於攻擊者的回應發送給其他合法使用者，或者將其他使用者的私密回應（例如包含 Session Cookies 或 API 金鑰的資料）發送給攻擊者，造成嚴重的個資外洩或帳號劫持。
HTTP Terminator 的運作機制
HTTP Terminator 並非簡單的掃描工具，而是一個將標準規範轉化為攻擊向量的自動化研究系統。James Kettle 將 138 份關於 HTTP 與 SMTP 的 RFC（Request for Comments，定義網路協議標準的正式文件）輸入系統，AI 將這些繁瑣的規範拆解成約 15,000 個微小片段，並以此為靈感，生成了 30,000 個獨特的候選攻擊向量。
系統在經過授權的 Bug Bounty（漏洞獎金計畫）與漏洞披露計畫範圍內，對 30,000 個網站進行測試，最終發現約 700 個易受攻擊的目標，其中涵蓋了銀行、政府基礎設施、安全產品以及機場等關鍵設施。其中一種利用 Content-Type: multipart/byteranges 的技術在多種伺服器實作中均有效，影響了超過 200 個網站，包括一家未具名的美國銀行。
核心技術突破：Dangling-byte 與解析混淆
在提升攻擊可靠性方面，HTTP Terminator 測試了 16 種改進 RQP 的方案，最終驗證出一种稱為「懸空位元組」（Dangling-byte）的技術。傳統的 RQP 攻擊常因競態條件（Race Condition，即多個請求同時發生導致結果不確定）而變得不穩定。Dangling-byte 技術透過刻意讓走私請求缺少一個位元組，使後端伺服器在接收到下一個受害者的請求並補足該位元組前，不會產生回應。這消除了隨機性，使攻擊變得極其可靠。
此外，該系統還提出了一個名為「共享解析器混淆」（Shared-Parser Confusion）的攻擊概念。AI 觀察到伺服器在處理請求與回應時，若共用同一套解析邏輯，可能會將回應處理規則錯誤地應用在請求上。雖然這個概念是由 AI 提出，但仍需由 James Kettle 進行驗證與泛化，這定義了目前 AI 在安全研究中的邊界：AI 擅長在海量數據中尋找模式並生成假設，而人類專家則負責將其轉化為可實作的攻擊模型。
影響、限制與防禦建議
此次研究的實務影響深遠，特別是在 Apache Traffic Server 中發現的零日漏洞（追蹤編號為 CVE-2026-63078），證明了 AI 能加速發現深層的邏輯缺陷。然而，目前該漏洞的公開紀錄在 CVE.org 或 NVD 等資料庫中仍存在更新延遲，導致維護者難以快速將該 CVE 編號對應到具體的修復版本。
在工具實作上，HTTP Terminator 已開源，其文件提取與測試案例生成階段使用了 Claude 模型，而調查階段則依賴 Claude Code。Kettle 另外測試了 GPT-5.6 Sol 模型，發現其在給予靈感技術的情況下，重新發現漏洞的成功率約為 30%。
針對此類脫同步攻擊，PortSwigger 的防禦建議依然明確：最根本的解決辦法是避免在後端使用 HTTP/1.1 協議。若無法移除 HTTP/1.1，則應在前端與後端兩層同時實施方法白名單（Allow-listing methods），並嚴格限制哪些 HTTP 方法允許攜帶請求主體（Request Body），以降低走私請求被執行的風險。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。