ARTEX开源:AI Agent驱动渗透测试,Planner与Worker如何分工

资讯 AI 应用前沿 全文 2759 字 · 约 7 分钟读完 分类开源智能体大模型

ARTEX 是一个基于 LLM Agent 的自动化渗透测试平台,采用 Go 和 Next.js 构建。它通过 Planner 和 Worker 协作,自动梳理资产、生成攻击向量并记录流量。本文介绍其核心架构、部署流程及在授权测试中的实际应用,强调人工复核的重要性。

所属频道 模型发布智能体与 Agent开源生态

渗透测试为什么需要AI介入

渗透测试一直很吃工程师的个人经验。信息收集、漏洞验证,每个环节都得靠人来判断。系统越来越复杂,微服务和云原生架构铺开之后,资产边界变得模糊,手工梳理的成本也一路走高。

另一边,大语言模型在代码理解和逻辑推理上不断进步,让“自动化”有了新的想象空间。AI不只会写脚本,还能读懂业务逻辑,模仿攻击者的思路走一遍。ARTEX就是这样一个尝试:它并非把扫描器简单堆在一起,而是一套由AI Agent驱动的自主渗透测试系统。

项目已经开源在GitHub上,技术栈相当新:后端Go,前端Next.js,数据放在PostgreSQL里。目标很明确——在授权范围内,替安全人员完成重复性的资产梳理和初步探测,把更多时间留给深度挖掘。

核心架构:Planner与Worker如何协作

ARTEX的设计借鉴了多智能体协作的思路。所有逻辑没有被塞进一个黑盒,而是拆成“思考”和“执行”两块。

任务规划层(Planner)

Planner负责思考。它不直接发HTTP请求,而是盯着当前任务状态,判断下一步该干什么。比如发现了一个子域名,Planner要判断:先做端口扫描,还是直接尝试指纹识别?此前的探测如果失败了,是换工具重试,还是放弃这个方向?

这种动态规划能力,正是ARTEX与传统漏扫拉开差距的地方。传统工具按固定插件顺序跑,ARTEX则会根据反馈调整策略。

任务执行层(Worker)

Worker负责动手。它们并行干活,执行具体命令。系统既能调用Bash、HTTP请求这类基础工具,也接入了更专业的安全工具。每个Worker跑完,会把结果写回数据库,比如发现的IP、开放的端口、返回的Header。

数据关联:资产图与探索图

为了让AI“记住”上下文,ARTEX维护了两张图:

  1. 资产图:记录域名、子域、IP、服务、应用和API端点之间的物理关系。这解决了“测了什么”的问题。
  2. 探索图:记录测试意图、中间事实、漏洞发现之间的逻辑来源。这解决了“怎么发现的”问题。

两张图关联起来之后,界面上能看到完整的证据链。比如某个SQL注入漏洞是怎么发现的,可以一路追溯到哪个子域名、通过哪个参数、用了什么Payload触发。这种可追溯性,对后续写报告和复测都很重要。

扩展机制:MCP与技能包

ARTEX没有把自己封闭起来。它支持Model Context Protocol (MCP),接入新工具或数据源很方便。比如想让Agent查询内部的CMDB系统,或者调用一个自定义的指纹识别脚本,只要配置相应的MCP Server或Skill就行。

系统还提供了工具审批机制。删除文件、执行系统命令这类高风险操作,可以设置人工确认环节,避免Agent“失控”导致业务中断。

部署指南:Docker一键启动

ARTEX的部署对新手比较友好,官方提供了安装脚本。建议在Linux环境或Windows WSL2下运行。

1. 克隆代码

git clone https://github.com/Autumn-27/ARTEX.git
cd ARTEX

2. 执行安装脚本

运行 ./install.sh。脚本会自动检测Docker环境,如果没有安装,它会尝试自动安装。

界面上给出两个选项:

  1. 一是全部 Docker 安装这是推荐的那一项。脚本会帮你生成.env这个文件,Postgres 密码由你设定(直接回车也能随机生成),随后所有容器一并拉起。
  2. 本地运行:更适合开发者调试。Go 环境要自己配,数据库连接也得手动填,编译出来是单二进制文件,跑起来即可。

选 1 之后,脚本会去执行docker compose up -d。等上几分钟容器起来,就能用docker ps 查看状态。

3. 访问系统

服务默认监听8787端口。浏览器里打开http://127.0.0.1:8787/,第一次访问要先设管理员密码。进系统以后,头一件事是填 LLM 的 API Key。

实际使用:从配置到报告

配置模型

设置页面里,把你用的 LLM 提供商(OpenAI、Anthropic,或者本地部署的 Ollama)的 API Key 和地址填进去。模型最好挑推理强一点的,Planner 要做复杂决策。本地部署的话,Qwen2.5-Coder、Llama3 都可以考虑。

新建任务

点“新建任务”,把基本信息填好:

  • 任务名称:方便以后检索。
  • 测试对象:域名、IP 段或某个具体 URL 都行。
  • 期望目标:用自然语言写,例如“查找未授权的 API 接口”“检测常见的 OWASP Top 10 漏洞”。

监控执行

任务跑起来后,界面上能实时看到 Agent 的工作流:左边资产树,右边执行日志。Planner 出计划、Worker 领任务、再输出结果,整个过程都能看见。一旦发现异常,任务随时可以暂停。

结果复核

这一步最要紧。ARTEX 给出的漏洞报告只是初稿。AI 会误报,比如正常的 404 页面被当成敏感信息泄露,WAF 的拦截被当成漏洞已修复。

每个发现都得结合业务场景人工验证,确认漏洞确实存在,再导出报告。直接把 AI 的结果丢给客户,是不专业的做法。

局限性与风险

ARTEX 提效归提效,可它不是银弹。

先说成本。LLM 的 Token 消耗不低,资产规模一大、探索一深,API 费用可能比请一个初级渗透工程师还高。

再说可控性。审批机制虽然有,Agent 的行为依旧有不确定性。放到 production 环境用,测试范围务必收窄,核心交易链路要避开。

法律边界同样绕不开。自动化攻击工具一旦被滥用,后果不小。ARTEX 从开源转向部分闭源的讨论,本身就说明社区在担心这个风险。使用者这边,所有测试都必须拿到书面授权才能动手。

写在最后

ARTEX 反映的是安全测试的一种走向:从“工具辅助人”变成“人机协作”。它替代不了资深安全专家,但初级人员的生产力能被大幅释放——繁琐的信息收集交给它,人腾出手来盯更复杂的逻辑漏洞。团队真要引入这类平台,工作流程就得重新搭。AI 生成的资产数据、漏洞线索怎么管,需要立新规矩。这事要花时间,但值得试。

正为 SRC(安全响应中心)的海量资产发愁,或者想看看 AI 在安全领域能怎么落地,ARTEX 算个不错的起点。说到底,工具只是手段,安全的核心始终是人。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 豆包网页版上线Agent工作模式:八大功能覆盖PPT生成与AI搜索

    本文介绍豆包AI网页版的访问方式及2026年最新升级的Agent工作模式。该模式支持自主拆解任务、操作浏览器及生成文档。文章详细解析了PPT制作、图像生成、深度搜索等八大实用功能,并结合QuestMobile数据探讨其用户规模,为不同场景用户提供具体操作建议。

    来源 AI 应用前沿
  2. 上海AI Lab开源Sage S2.1 Flash报告:320B模型四基准SOTA

    只需一个指令,Agent 就能从 12,487 张 CT 图像中,重建一个三维骨骼模型?Sage S2.1 Flash 做到了,它的答案是找出属于目标扫描序列的切片,整理好,再操作医学影像软件 3D Slicer,重建立体可见的骨骼模型。近日,上海人工智能实验室联合复旦大学、中国科学院软件研究所、中国人民大学、中国科学

    来源 腾讯网
  3. GitHub Agentic Workflows转正:10美元默认预算够用吗?

    作者 | Mark Silvester译者 | 田橙GitHub 已宣布 GitHub Agentic Workflows 正式可用。这个开源项目可以在 GitHub Actions 中运行编码智能体,处理 Issue 分类和持续集成(CI)故障分析等代码仓库任务。智能体启动时仅拥有只读权限,其提出的任何更改都由独立作

    来源 腾讯网
  4. 蔚来重写NOMI底层架构:告别九年旧代码,3000项整车能力接入AI

    蔚来NOMI产研团队重写沿用九年的传统规则架构,转向以大模型主智能体为核心的原生技术架构,取消传统单向指令分发流程。新架构4月完成实车概念验证,8至9月完成3000项整车原子能力工具化改造,依托SkyOS·天枢系统运行,更多技术细节与推送计划将在11月25日公布。

    来源 凤凰科技
  5. 26B参数循环Transformer模型Inkling 2 Mini开源,支持本地离线运行

    Thinking Machines Lab发布Inkling 2 Mini,采用循环Transformer架构,总参数26B。该模型支持文本和图像输入,可在配备32GB内存的MacBook上离线运行智能体任务,如编写代码或驱动虚拟角色。权重已按Apache 2.0许可开放,适合开发者部署本地编程助手。

    来源 AI 应用前沿
  6. DeepSeek V1作者Tony Zhang创业做Linger:12GB显存本地跑125B模型

    前DeepSeek核心成员Tony Zhang公布新项目Linger,主打本地部署的个人AI助理。通过PolyStrata引擎优化,普通游戏本也能流畅运行125B参数大模型。系统开源,强调数据隐私与主动学习能力,能自动整理知识库并操作电脑应用。

    来源 AI 应用前沿
  7. 张博开源Linger:零token费本地跑125B模型,12GB显卡够用

    11月19日,前DeepSeek-VL项目负责人张博在X宣布开源个人Agent Linger,开发主体是张博创办的SIMPLEX AI TECHNOLOGIES PTE. LTD.(以下简称“Simplex AI”),代码已上传GitHub。按项目文档,Linger读取本地邮件、日历和文件,操作用户已登录的浏览器;连接

    来源 腾讯网
  8. 亚马逊封堵AI购物助手,马斯克放话:也许该做个对手

    AI刚学会替你干活,亚马逊、摩根大通、嘉信理财就开始堵门了! 10月18日,@trikcode在X上列出了一份「AI碰壁清单」,点名达美航空、摩根大通、嘉信理财、Yelp和亚马逊。 他吐槽: 那些本该替我们搞定一切的AI智能体,开始被互联网挡在门外。 人愿意买,AI愿意跑腿,但最后一公里却卡在了平台不肯放行上! 而亚马

    来源 AI 行业观察
  9. 苹果招兵买马做AI Agent:Muse的领跑位置还稳吗

    苹果近期密集招聘AI工程人才,重点开发多Agent协调、长周期推理和工具调用系统。Meta旗下Muse上线后迅速登上苹果应用商店免费榜第二,摩根大通看好其吸引数亿商家、拓展电商变现的潜力。苹果若将AI Agent整合进iOS,或凭借系统入口和用户规模对Muse形成直接竞争。

    来源 华尔街见闻
  10. 腾讯元宝联合KCL发布群聊Agent基准:记住不等于会用

    腾讯元宝与伦敦国王学院团队推出GroupAssistBench,基于8万条真实群聊消息,评测AI助手在多人场景下的记忆能力。研究发现,能准确召回历史事实的模型,未必能在服务中正确使用这些信息。通过引入关系证据整理和约束绑定机制,可显著提升AI在复杂群聊中的实际表现。

    来源 AI 应用前沿
  11. DeepSeek-VL前负责人张博创业:高瓴投600万美元,押注低门槛大模型

    高瓴投了600万美元。一位DeepSeek早期核心成员,创业了。11月19日,DeepSeek-VL前项目负责人张博(Tony Zhang)宣布,其创办的AI公司Simplex AI正式开源个人智能体产品Linger。这款产品能在用户自己的电脑上运行,替人操作软件、处理邮件,甚至让多个AI助手共同完成任务。为了降低普通

    来源 腾讯网
  12. 达瓦科技控制层模型:AI视频何时能告别“抽卡”?

    达瓦科技不走通用大模型路线,而是基于12年片场积累的180TB结构化数据,研发“重控制、轻渲染”的基座模型。通过分离导演逻辑与画面渲染,将影视制作中的反复试错成本降低50%以上,并让实时世界模型能在单张消费级显卡上运行,为直播、游戏及Physical AI提供低成本落地方案。

    来源 AI 应用前沿
  13. 问诊AI?一场死亡背后的追问

    查症状、看药品说明书、理解检查报告,优先用有明确医学语料来源、答案带引用且被设计为“转介医生”而非“替代医生”的专业医疗AI产品,而不是把通用聊天大模型当成全科大夫。

    来源 凤凰科技
  14. MiniMax开源H3-Image:原生4K出图,Agent接管屏幕?

    本周AI圈最务实的变化是闭源能力快速开源。MiniMax开放了支持4096分辨率的H3-Image图像模型权重,Thinking Machines Lab也开源了594B参数的Inkling 2编程模型。更值得关注的是应用层突破:Pinky让Claude等Agent能直接操作iPhone和Android手机,Jane

    来源 AI 应用前沿
  15. 信通院张立锋出席AICon北京站:讲智能体身份国际标准化

    当 Agent 真正进入企业流程,哪些工作可以交给 AI ?50 + 实战案例揭晓答案! AI 正在从回答问题的辅助工具,走向理解目标、调用系统、完成任务的工作承担者。当 Agent 真正进入企业流程,问题不再是 “如何把 AI 做出来”,而是哪些工作可以交给 AI、结果如何验收、权限、成本与风险如何收住。随着大模型向

    来源 AI 行业观察
  16. AI做PPT、搭网页居然都免费?用完豆包工作我算了下账

    就拿小雷自己来说,自从把整理资料、分析财报、制作PPT等工作交给Agent软件(WorkBuddy、豆包工作等)后,也发现随着使用次数和任务复杂度的增加,AI消耗的积分也确实不少,很多时候赠送积分已经完全不够用,需要额外开会员和充值才行。

    来源 凤凰科技
  17. AI编码效率被评审吃掉:哈佛718家企业数据与2026工具链新变量

    哈佛研究证实AI生成代码并未提升实际交付量,瓶颈已转移至评审环节。Code Mode与Harness架构演进将安全边界移入沙箱,开源工具正拆解工程硬墙。具身智能方面,南京智造大会与北京人形中心论文显示,行业焦点从表演转向落地成本与分层协同。整体趋势表明,AI行业已从技术叙事进入商业化验证、可审计性与稳定交付的深水区。

    来源 AI 应用前沿
  18. 苹果亚马逊谷歌齐出手:家庭AI中枢争夺战开打

    Personal Agent让智能家居再次被赋予了想象力。过去只能联网和听从指令的家居设备,有了新的方案来理解环境、主动判断,并实现彼此协作。 海尔智家最近集中发布的一批搭载AI之眼2.0的大白电新品就是体现。这让冰箱、烟机和灶具、洗衣机也开始围绕任务来组织工作。比如,冰箱会识别食材、推荐存放位置,并把菜谱同步给厨电;

    来源 AI 行业观察
向下滚动自动加载更多