从 PentestGPT 到 AutoPentester，大模型不仅会执行命令，更开始学会制定攻击策略。

近年来，大语言模型（LLM）正在改变网络安全领域。AutoPentester 提出了一种基于多智能体（Multi-Agent）的自动化渗透测试框架，通过 Strategy Analyzer、RAG、Repetition Identifier 和 Results Verifier 等模块，使 AI 能够规划攻击策略、减少重复操作并自动验证执行结果。

为什么重要？
全球网络安全人才短缺，而攻击数量持续增长，因此自动化渗透测试具有重要意义。相比 PentestGPT，AutoPentester 更强调“策略学习”而非简单的命令生成。

核心创新
• Strategy Analyzer：根据已有发现推理下一步攻击策略。
• RAG：结合外部知识库（如 HackTricks、CVE）生成更准确的命令。
• Repetition Identifier：减少重复循环。
• Results Verifier：自动检查命令执行结果并修正错误。

实验结果
论文在 Hack The Box 和自建虚拟机上进行了评估。AutoPentester 相较 PentestGPT 提高了子任务完成率和漏洞覆盖率，同时显著降低了人工干预、循环次数和无效命令。

不足
目前仍难以处理复杂 GUI Web 应用，对知识库更新依赖较大，复杂攻击路径规划仍存在挑战。

个人观点
这篇论文最大的贡献在于将研究重点从“命令生成”提升到“攻击策略学习”，为未来真正自主的网络安全 Agent 奠定了基础。

参考链接
IEEE: https://ieeexplore.ieee.org/document/11354838


关键词
#人工智能 #网络安全 #大语言模型 #LLM #Agent #AgenticAI #渗透测试 #AI安全 #RAG #多智能体 #HackTheBox #AutoPentester