테스트 범위 계획
애플리케이션, 역할, 합의된 경계를 설명하세요. 인증, 권한, 세션 관리 등 적절한 WSTG 항목별 테스트 범위 표를 요청하세요.
AI 모의해킹 / 증거에서 보고서까지
체계적인 모의해킹을 위한 AI.
모의해킹에는 범위 문서, 도구 출력, 발견 사항에 대한 정확한 해석이 필요합니다. LLMsRelay API로 테스트 계획과 보고서 초안을 만들고 팀이 확인할 수 있는 형태로 증거를 정리하세요.
로그인하거나 계정을 만드세요. 로그인 후 Uncensored 지갑 충전 화면으로 이동합니다.
업무에 AI 활용하기
합의된 범위에서 추적 가능한 발견 사항으로.
수집한 출력 검토
이미 실행한 도구의 결과에서 민감 정보를 제거해 제공하세요. 중복 가능성, 미해결 질문, 수동 확인이 필요한 관찰을 구분하도록 요청하세요.
보고서 초안 작성
검증된 발견 사항을 기술 및 경영진 요약으로 정리하세요. 각 항목에 증거, 영향, 수정 방안, 재검증 기준을 연결하세요.
검증 가능한 작업 흐름
- 1
범위와 제약 명시
허용된 자산, 계정, 테스트 시간, 제외된 작업을 적으세요. 검토 가능한 계획과 확인되지 않은 범위를 요청하세요.
- 2
증거 수집과 식별
도구는 직접 실행하세요. 일정한 ID, 시각, 테스트 조건을 붙인 자료를 제공해 보고서에서 인용할 수 있게 하세요.
- 3
검증, 보고, 재테스트
각 발견 사항을 직접 확인하고 보고서를 수정하세요. 제안된 기준으로 허가받은 환경에서 수정 결과를 다시 테스트하세요.
프롬프트 예시
이 합의된 테스트 범위와 검증된 발견 사항으로 모의해킹 보고서를 작성해 주세요. 항목별로 증거 ID, 해당 구성 요소, 영향, 수정 방안, 재검증 기준을 포함하세요. 미검증 주장과 범위의 공백은 별도로 표시하세요.
이런 결과를 요청하세요
- 범위와 테스트를 연결하는 표
- 제공한 증거에 근거한 발견 사항
- 수정 및 재검증 체크리스트
검증된 발견 사항을 유용한 보고서로.
테스트는 기존 도구로 수행하고 계획, 해석, 문서 작성에 AI 지원을 추가하세요.
하나의 지갑으로 사용량 관리
하나의 지갑으로 사용량 관리
대시보드에서 선불 팩을 선택하세요. $500 및 $1,000 팩에는 추가 사용 잔액이 포함됩니다.
결제 금액
$45
사용 잔액
$45
결제 금액
$100
사용 잔액
$100
결제 금액+20% 보너스
$500
사용 잔액
$600
결제 금액+30% 보너스
$1000
사용 잔액
$1300
| 모델 | 컨텍스트 | 입력 | 출력 |
|---|---|---|---|
| glm-5-3-uncensored | 262,144 | $4 | $12 |
| glm-5-3-uncensored-1m | 1,000,000 | $12 | $20 |
선택한 모델에 따라 요금이 다릅니다. 입력, 출력, 캐시 토큰은 별도로 과금되며 달러 잔액이 고정된 토큰 수를 뜻하지는 않습니다.
기존 도구에 연결하세요
- 1기존 LLMsRelay 계정에서 Uncensored 지갑을 충전하세요.
- 2대시보드에서 Uncensored API 키를 만드세요.
- 3OpenAI 호환 클라이언트에 https://api.llmsrelay.com/v1을 설정하고 공개 모델 ID를 선택하세요.
연결 전 확인하세요
자동 모의해킹 플랫폼인가요?
아니요. LLMsRelay는 모델 API를 제공합니다. 자산 탐색, 테스트 실행, 취약점 검증을 직접 수행하지 않습니다. 테스트 도구와 수동 검증이 필요합니다.
스캐너나 WSTG를 대체하나요?
모델을 도구 및 테스트 방법론과 함께 사용하세요. OWASP WSTG는 테스트 범위의 참고 자료이며 AI가 만든 계획은 실제 애플리케이션과 범위에 맞게 검토해야 합니다.
기밀 증거는 어떻게 다뤄야 하나요?
공유할 권한이 있는 자료만 보내세요. 자격 증명과 불필요한 개인정보를 제거하고 원본 증거는 자신의 시스템에 보관하세요. 이 페이지는 특별한 보관 조건을 약속하지 않습니다.
다른 보안 작업 살펴보기
다음 모의해킹 결과를 쉽게 검토하세요.
계획, 증거 해석, 보고서 초안을 위한 API를 연결하고 대시보드에서 비용을 확인하세요.
AI 사용 잔액 충전LLMsRelay는 허가받은 보안 연구를 위한 모델 API를 제공합니다. 테스트는 사용자의 도구가 실행하고 모델의 분석은 사용자가 검증합니다.