OpenVAS Agent: Melhoria de Experiência do Usuário no OpenVAS utilizando LLM

• Raphael Alves de Lima Soares UFG
• Lucas Nogueira Barroso UFG
• Antônio João Gonçalves de Azambuja ITA
• Jean Phelipe de Oliveira Lima ITA
• Leonardo Barbosa Oliveira UFMG
• Anderson da Silva Soares UFG

DOI: https://doi.org/10.5753/sbseg_estendido.2026.28888

Resumo

A análise de vulnerabilidades é uma técnica utilizada no contexto da segurança cibernética; no entanto, ferramentas como o OpenVAS ainda apresentam barreiras operacionais para usuários menos experientes. Este trabalho propõe uma solução que integra o OpenVAS a um agente de Inteligência Artificial (IA) baseado em Large Language Models (LLMs), permitindo configurar varreduras e interpretar relatórios usando comandos acessíveis. A arquitetura emprega o framework LangChain e a abordagem ReAct para automatizar tasks e transformar dados técnicos em insights compreensíveis. A validação do sistema caracterizou o esforço operacional exigido por cada interface: a criação de uma varredura demanda 11 cliques na interface gráfica ou 7 comandos encadeados na linha de comando, enquanto o agente conduz um diálogo guiado de seis turnos no qual cada parâmetro necessário é solicitado explicitamente, dispensando o conhecimento prévio da taxonomia de entidades da ferramenta. Assim, a ferramenta otimiza o acesso a processos complexos de segurança ofensiva.

Referências

Aksu, M. U., Altuncu, E., and Bicakci, K. (2019). A first look at the usability of openvas vulnerability scanner. In Workshop on usable security (USEC).

Bianou, S. G. and Batogna, R. G. (2024). Pentest-ai, an llm-powered multi-agents framework for penetration testing automation leveraging mitre attack. In 2024 IEEE International Conference on Cyber Security and Resilience (CSR), pages 763–770.

Deng, G., Liu, Y., Mayoral-Vilches, V., Liu, P., Li, Y., Xu, Y., Zhang, T., Liu, Y., Pinzger, M., and Rass, S. (2024). Pentestgpt: An llm-empowered automatic penetration testing tool.

Fideles, D. R., Lautert, D. P., Kreutz, D., and Quincozes, S. E. (2025). Vulnsyncai: Pln e llms para construção e atualização contínua de datasets de vulnerabilidades. In Anais do XLIII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC). Sociedade Brasileira de Computação (SBC).

Gajula, M. R. and Vassilakis, V. G. (2024). Evaluating the performance open-source vulnerability scanners. In 2024 14th International Symposium on Communication Systems, Networks and Digital Signal Processing (CSNDSP), pages 377–382.

Liu, N. F., Lin, K., Hewitt, J., Paranjape, A., Bevilacqua, M., Petroni, F., and Liang, P. (2023). Lost in the middle: How language models use long contexts.

Muharrom, M. and Saktiansyah, A. (2023). Analysis of vulnerability assessment technique implementation on network using openvas. International Journal of Engineering and Computer Science Applications (IJECSA), 2(2):53–62.

Odun-Ayo, I., Blessing, O., Martins, I., Owoka, E., Owoseni, T., and Omonedo, E. (2024). Comparative review of vulnerability analysis tools. In 2024 International Conference on Science, Engineering and Business for Driving Sustainable Development Goals (SEB4SDG), pages 1–6.

Pratama, D., Suryanto, N., Adiputra, A. A., Le, T.-T.-H., Kadiptya, A. Y., Iqbal, M., and Kim, H. (2024). Cipher: Cybersecurity intelligent penetration-testing helper for ethical researcher. Sensors, 24(21):6878.

S, B. L., R, S. V., Mahadevan, R., and Raman, R. C. (2023). Comparative study and framework for automated summariser evaluation: Langchain and hybrid algorithms.

Schick, T., Dwivedi-Yu, J., Dessı̀, R., Raileanu, R., Lomeli, M., Zettlemoyer, L., Cancedda, N., and Scialom, T. (2023). Toolformer: Language models can teach themselves to use tools.

Sharma, M., Desai, D., Arun, A. R., L, P., and Rajagopalan, N. (2024). Openvas vs the rest: Unveiling the competitive edge in vulnerability scanners. In 2024 3rd International Conference for Innovation in Technology (INOCON), pages 1–6.

Shen, X., Wang, L., Li, Z., Chen, Y., Zhao, W., Sun, D., Wang, J., and Ruan, W. (2024). Pentestagent: Incorporating llm agents to automated penetration testing.

Yaacoub, J.-P. A., Noura, H. N., Salman, O., and Chehab, A. (2021). A survey on ethical hacking: Issues and challenges.

Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K., and Cao, Y. (2023). React: Synergizing reasoning and acting in language models.