新闻详情

新闻详情

首页 / 资讯中心 / 详情

ARTEX:AI 驱动的自动化漏洞挖掘平台

发布时间:2026/11/21 20:32:29来源:尧图网络
ARTEX:AI 驱动的自动化漏洞挖掘平台
目录项目概述核心架构与工作方式环境准备与项目部署基本使用介绍小结项目概述ARTEX 是一套开源 AI 自主渗透测试系统采用 Go 后端、Next.js 前端和 PostgreSQL。系统以 LLM Agent 为核心面向授权安全测试中的资产梳理、目标探索、漏洞发现与复测提供任务管理、执行记录、资产视图、流量留痕及报告等能力。项目地址https://github.com/Autumn-27/ARTEX核心架构与工作方式ARTEX 将测试流程拆分为目标分解、任务规划和工具执行。Planner 根据当前任务状态生成待探索方向多个 Worker 并行执行并将资产、事实和发现写回系统数据变化后Planner 再评估是否存在新的有效方向形成迭代探索流程。系统通过两类关系数据组织测试上下文资产图记录域名、子域、服务、应用和端点之间的关系探索图记录目标、意图、事实与漏洞发现之间的来源关系。两者关联后可以从资产查看测试覆盖情况也可以追溯某项发现由哪些探索步骤和证据得出。执行层可调用 Bash、HTTP 等工具并提供流量记录代理、工具审批、MCP、技能和记忆等扩展机制。任务、工具调用和发现可在界面中查看便于复核测试过程。环境准备与项目部署使用Linux环境或者在Windows的子系统wsl下进行安装克隆项目到本地git clone https://github.com/Autumn-27/ARTEX.git切换到项目目录cd ARTEX执行一键安装脚本进行安装./install.sh脚本会检测是否有docker环境没有则自动安装 DockerARTEX 安装1) 全部 Docker 安装2) 本地运行go 编译这里选择1填一个 Postgres 密码可回车随机会自动写 .env并执行docker compose up -d如果选择2本地运行执行流程如下选数据库连已有 / 用 Docker 起一个→ 生成 config.json → go 编译内嵌单二进制 → 启动执行完成后可以看到启动的容器docker ps服务默认运行在本地的8787端口访问http://127.0.0.1:8787/设置密码进入系统基本使用介绍配置LLM测试连接新建任务填写任务名称、测试对象、期望目标等等选择要使用的模型支持多工作 Agent 并发执行任务此外你还可以自己去给系统添加配置一些mcp、skill、工具等小结ARTEX 将 AI Agent、资产管理与自动化安全测试流程整合到一个平台中可辅助测试人员梳理授权资产、拓展测试方向并留存执行过程。它适合作为 SRC 测试中的效率工具但自动化结果仍需结合业务场景进行人工验证。合理配置测试范围并对漏洞证据和影响进行复核才能让工具发挥实际价值。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/20 20:45:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/20 16:11:20

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/21 19:02:25

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉