文章总结： 本文介绍了PentestAgent，一个基于大语言模型的多代理自动化渗透测试框架。它通过集成RAG、链式思考和角色扮演等技术，构建了覆盖情报收集、漏洞分析与利用的全流程自动化系统。实验表明，该框架在基于VulHub和HackTheBox构建的基准测试中，使用GPT-4时整体成功率可达74.2%，在自动化程度和执行效率上优于现有系统。研究团队也指出了其在复杂攻击链和未知漏洞检测方面的局限，并提出了未来改进方向。 综合评分： 85 文章分类： 渗透测试,AI安全,安全工具,漏洞分析

美国西北大学 | PentestAgent：将LLM代理融入自动化渗透测试

原创

焦宇彤 焦宇彤

安全学术圈

2026年2月11日 21:31 四川

原文标题：PentestAgent: Incorporating LLM Agents to Automated Penetration Testing 原文作者：Xiangmin Shen, Lingzhi Wang, Zhenyuan Li, Yan Chen, Wencheng Zhao, Dawei Sun, Jiashui Wang, Wei Ruan 发表会议：ACM Asia Conference on Computer and Communications Security (AsiaCCS’25) 笔记作者：焦宇彤@安全学术圈 主编：黄诚@安全学术圈 编辑：谷雨@安全学术圈

1、引言

随着网络攻击日益复杂与频繁，渗透测试作为主动识别安全漏洞的关键手段，其重要性不言而喻。然而，传统的手动渗透测试高度依赖安全专家的经验，平均耗时超过80小时，且成本高昂，难以规模化部署。尽管已有自动化渗透测试工具（如Nmap、Metasploit）和基于机器学习的方法，它们往往缺乏灵活性、适应性，且难以实现端到端的自动化流程。

近年来，大型语言模型（LLM）的快速发展为提升渗透测试的智能化和自动化水平带来了新的机遇。然而，现有的LLM辅助渗透测试系统（如PentestGPT、AutoAttacker）仍面临两大挑战：一是渗透测试知识覆盖有限，依赖预训练模型中的通用知识，难以应对实时、多变的漏洞环境；二是自动化能力不足，仍需大量人工介入进行验证、调试和决策。

为应对上述挑战，本文提出了PentestAgent，一个基于LLM的多代理自动化渗透测试框架。PentestAgent通过集成检索增强生成（RAG）、链式思考（CoT）和角色扮演等LLM技术，构建了一个覆盖情报收集、漏洞分析与利用的全流程自动化系统。该框架不仅提升了漏洞检测的覆盖率与准确性，还通过自研的基准测试集（基于VulHub与HackTheBox）验证了其在实际场景中的高效性与实用性。

2、方法论

PentestAgent采用多代理协作架构，将渗透测试流程分解为四个核心代理：侦察代理、搜索代理、规划代理与执行代理，分别对应PTES标准中的三个阶段：情报收集、漏洞分析与利用。

2.1 系统概览

• 侦察代理：接收目标输入，通过自迭代循环执行侦察命令（如Nmap），收集环境信息并存储至数据库。
• 搜索代理：基于侦察结果，进行两级层次化在线搜索，识别潜在攻击面并提取漏洞利用细节，存储为结构化知识库。
• 规划代理：利用RAG检索知识库，生成针对目标环境的攻击计划，包括攻击面排序与漏洞利用建议。
• 执行代理：负责自动执行攻击计划，包括参数填充、代码调试与错误处理，最终生成渗透测试报告。

2.2 关键技术应用

• 检索增强生成（RAG）：用于增强代理的上下文记忆与知识检索能力，解决LLM的“短期记忆”问题。
• 链式思考（CoT）：将复杂任务分解为子任务，引导代理逐步推理，减少幻觉输出。
• 角色扮演（Role-playing）：让代理扮演“渗透测试助手”，绕过LLM的安全策略限制，执行敏感操作。
• 结构化输出：强制代理以JSON格式响应，确保输出可解析、可集成，提升流程自动化程度。

2.3 知识库构建与优化

PentestAgent构建了层次化渗透测试知识库，将攻击面与漏洞利用信息以树状结构组织，支持高效检索与版本匹配。知识库通过在线搜索（Google、GitHub、ExploitDB等）持续更新，确保其覆盖范围与时效性。

3、实验验证与分析

3.1 基准测试集构建

研究团队基于VulHub（100+预建Docker漏洞环境）与HackTheBox CTF挑战构建了一个包含67个目标的渗透测试基准集，涵盖32种CWE类型与OWASP Top 10中的8类风险。目标按漏洞利用难度分为简单（50个）、中等（11个）与困难（6个），并引入EPSS（漏洞利用预测评分系统）评估其现实性。

3.2 性能评估

• 整体成功率：使用GPT-4时，PentestAgent在完整渗透测试流程中的成功率达74.2%，显著高于GPT-3.5的60.6%。
• 阶段完成度：GPT-4在简单任务中实现情报收集与漏洞分析100%完成，利用阶段完成81.8%；在困难任务中表现有所下降，尤其在情报收集阶段（50%）。
• 效率对比：与PentestGPT相比，PentestAgent在情报收集与利用阶段耗时显著更短（如情报收集：220秒 vs. 1199秒），自动化程度更高。

3.3 消融实验

• 不同LLM骨干对比：GPT-4与Qwen-2.0在情报收集与漏洞分析中表现优异，Qwen-2.0在利用阶段领先。
• 成本与时间权衡：GPT-3.5成本最低但性能较弱；Llama 3.1-8B虽免费但时间开销大，实用性受限。

3.4 失败案例分析

主要失败集中在：

1. 情报收集阶段：难以识别非独立组件（如PHPMailer、Ghostscript），需集成更细粒度的指纹识别工具。
2. 利用阶段：

• 需领域专业知识（如Samba凭据、JBoss工具链）
• 需用户交互（如文件上传）
• LLM幻觉导致错误传播

应对策略包括：人机协同设计、集成智能代理（如AutoGPT）以及设置执行停止条件。

4、总结

PentestAgent是一个创新的、基于LLM多代理的自动化渗透测试框架，成功实现了从目标侦察到漏洞利用的全流程自动化。其核心贡献在于：

1. 设计了端到端的自动化渗透测试流水线，通过多代理协作与RAG技术显著提升了漏洞检测的覆盖率与实时性。
2. 构建了公开可用的渗透测试基准集，基于VulHub与HackTheBox，涵盖多难度、多漏洞类型，为后续研究提供了标准化评估平台。
3. 实验验证了框架的高效性与实用性，在多项指标上优于现有系统（如PentestGPT），尤其在自动化程度与执行效率方面表现突出。

尽管PentestAgent在复杂攻击链（如红队模拟）与未知漏洞检测方面仍存在局限，但其展示的“多代理+RAG+结构化知识库”架构为未来构建更智能、更自主的网络渗透测试系统奠定了重要基础。未来工作可进一步拓展其支持的工具集、增强对抗幻觉的能力，并在更复杂的网络环境中验证其扩展性。

安全学术圈招募队友-ing 有兴趣加入学术圈的请联系 secdr#qq.com

专题最新征文

• 期刊征文 | 暗网抑制前沿进展 (中文核心)
• 期刊征文 | 网络攻击分析与研判 (CCF T2)
• 期刊征文 | 域名安全评估与风险预警 (CCF T2)

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：安全学术圈 焦宇彤 焦宇彤《美国西北大学 | PentestAgent：将LLM代理融入自动化渗透测试》