Projekt

LLMForFuzzing

Prompt Engineering und Python-Automation, die Sprachmodelle in die Vulnerability Discovery einbanden und zu einem echten Zero-Day-Fund beitrugen.

Python · ChatGPT API · Prompt Engineering · Fuzzing · Cybersecurity

2023.10-2025.03

Product Snapshot

Role: Core Contributor
Focus: PoC-Reproduktion, semantische Mutation in natuerlicher Sprache, Adobe/Foxit-JavaScript-APIs und automatisierte Test-PDF-Erzeugung.
Validation: Projektunterlagen berichten 24/32 reproduzierte PoCs, 200+ APIs, rund 2.000-3.000 Test-PDFs und einen UI-bezogenen Zero-Day-Beitrag.
Public Proof: Quellcode, Test-Samples und Abschlussmaterial; Umfang und Zero-Day wurden fuer dieses Portfolio nicht unabhaengig reproduziert.

Next Step

Portfolio PDF About the Founder Email

Ausgangspunkt

LLMForFuzzing war eines der fruehesten AI-×-Security-Projekte, an denen ich beteiligt war.

Die eigentliche Schwierigkeit lag nicht im API-Call, sondern darin, Modell-Outputs konkret genug fuer einen echten Vulnerability-Discovery-Prozess zu machen.

Mein Beitrag

Prompt Engineering fuer plausible Exploit-Pfade
Python-Automation zur Reduktion repetitiver manueller Versuche

Warum es wichtig war

Projektunterlagen berichten 24/32 reproduzierte PoCs, 200+ Adobe/Foxit-JavaScript-APIs, rund 2.000-3.000 Test-PDFs und einen UI-bezogenen Zero-Day-Beitrag.

Quellcode, Test-Samples und Abschlussmaterial stuetzen die Prozesskette. Umfang und Zero-Day stammen aus Projektunterlagen; der urspruengliche Fuzzing-Lauf wurde fuer dieses Portfolio nicht wiederholt.