Αυτοματοποίηση ελέγχου διείσδυσης μέσω αρχιτεκτονικής πολλαπλών AI agents

Μπαλτζής, Δημήτριος

dc.contributor.advisor	Καραντζιάς, Αθανάσιος
dc.contributor.author	Μπαλτζής, Δημήτριος
dc.date.accessioned	2026-09-08T08:37:02Z
dc.date.available	2026-09-08T08:37:02Z
dc.date.issued	2026-07
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/19726
dc.description.abstract	Στο πλαίσιο της παρούσας διπλωματικής εργασίας προτείνεται, σχεδιάζεται και υλοποιείται ένα αυτοματοποιημένο σύστημα ελέγχου διείσδυσης (penetration testing) βασισμένο σε αρχιτεκτονική πολλαπλών AI agents. Το σύστημα αξιοποιεί το Model Context Protocol (MCP) και το μοντέλο DeepSeek για τον συντονισμό δύο εξειδικευμένων agents: τον Agent Ανάλυσης, ο οποίος εκτελεί παθητική αναγνώριση και παράγει δομημένο πλάνο επίθεσης, και τον Pentester Agent, ο οποίος αναλαμβάνει την εκτέλεση και επιβεβαίωση των ευπαθειών. Η φάση αναγνώρισης υλοποιείται μέσω της αλυσίδας Wappalyzer, FastCVE και ExploitDB, ενώ η εκτέλεση βασίζεται κυρίως σε templates του Nuclei με εναλλακτικό μονοπάτι μέσω ExploitDB. Το σύστημα αξιολογήθηκε σε δύο ελεγχόμενα περιβάλλοντα Docker, επιβεβαιώνοντας ευπάθειες τύπου path traversal (CVE-2021-41773) και απομακρυσμένης εκτέλεσης κώδικα μέσω reverse shell (CVE-2017-5638). Τα αποτελέσματα έδειξαν ότι το σύστημα μπορεί να αυτοματοποιήσει αξιόπιστα το πλήρες pipeline ενός penetration test με ελάχιστη ανθρώπινη παρέμβαση.	el
dc.format.extent	41	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.title	Αυτοματοποίηση ελέγχου διείσδυσης μέσω αρχιτεκτονικής πολλαπλών AI agents	el
dc.title.alternative	Penetration testing automation through multi-agent AI architecture	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής	el
dc.description.abstractEN	This thesis proposes, designs, and implements an automated penetration testing system based on a multi-agent AI architecture, which is subsequently evaluated in a controlled environment. The system leverages the Model Context Protocol (MCP) and the DeepSeek language model to coordinate two specialized agents: an Analyst Agent, responsible for passive reconnaissance and generating a structured attack plan, and a Pentester Agent, which handles exploit execution and vulnerability confirmation. The reconnaissance phase is implemented through a pipeline consisting of Wappalyzer, FastCVE, and ExploitDB, while execution relies primarily on Nuclei templates with a fallback path via ExploitDB. The system was evaluated in two controlled Docker environments, successfully confirming a path traversal vulnerability (CVE-2021-41773) and a remote code execution vulnerability via reverse shell (CVE-2017-5638). Results demonstrate that the system can reliably automate the full penetration testing pipeline with minimal human intervention, validating the effectiveness of the multi-agent role separation approach.	el
dc.contributor.master	Κυβερνοασφάλεια και Τεχνολογίες Τεχνητής Νοημοσύνης / MSc Cybersecurity & AI Technologies	el
dc.subject.keyword	Έλεγχος διείσδυσης	el
dc.subject.keyword	Αυτοματοποίηση ασφάλειας	el
dc.subject.keyword	Πολλαπλοί AI agents	el
dc.subject.keyword	Model Context Protocol (MCP)	el
dc.subject.keyword	Μεγάλα γλωσσικά μοντέλα	el
dc.subject.keyword	DeepSeek	el
dc.subject.keyword	Penetration testing	el
dc.subject.keyword	Multi-agent systems	el
dc.subject.keyword	LLMs	el
dc.date.defense	2026-07

Files in this item

Name:
Size:: 2.263Mb
Format:: PDF
Description:: Μεταπτυχιακή διατριβή

View/Open

This item appears in the following Collection(s)

Τμήμα Πληροφορικής
Department of Informatics

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα