文章总结： ViperStrike是基于大语言模型的端到端自动化渗透测试系统，采用推理-生成-解析三模块协作架构，通过渗透测试任务树(PTT)和UCB1算法实现智能任务调度。系统具备多层安全控制机制，包括命令验证、范围检查和风险评估，并配备赛博朋克风格的Web可视化仪表盘。该系统解决了传统渗透测试人力成本高、经验依赖性强、扩展性差等问题，实现了更高程度的自动化，同时支持上下文压缩、状态持久化和任务中断恢复等功能。 综合评分： 85 文章分类： 渗透测试,AI安全,安全工具,漏洞分析,红队

ViperStrike：使用大语言模型驱动三模块协作架构实现端到端自动化渗透测试

kk1230 kk1230

蓝剑安全

2026年2月10日 18:50 广东

1、引言

渗透测试（Penetration Testing）是评估信息系统安全性的重要手段，通过模拟攻击者的行为来发现系统中的安全漏洞。然而，传统的渗透测试高度依赖安全专家的经验和判断力，面临以下挑战：

• 人力成本高

  一次完整的渗透测试通常需要数天至数周，且需要高级安全工程师全程参与

• 经验依赖性强

  测试策略的选择和攻击路径的规划需要丰富的实战经验

• 扩展性差

  面对大规模资产时，人工测试难以在有限时间内覆盖所有目标

• 上下文管理困难

  渗透测试过程中产生的大量信息容易丢失或遗漏

近年来，大语言模型（Large Language Models, LLM）在代码生成、推理规划等任务中展现了强大的能力。PenTestGPT[1] 首次提出了将 LLM 应用于渗透测试的三模块架构思想，但其实现仍需要大量的人工干预。本文在此基础上提出 ViperStrike 系统，实现了更高程度的自动化，并在任务调度、安全控制、可视化管理等方面进行了创新。

#

2、相关工作

2.1 自动化渗透测试工具

现有的自动化安全测试工具可大致分为三类：

2.2 三模块协作架构

三模块协作的渗透测试架构，包括推理模块、生成模块和解析模块，并引入了渗透测试任务树（Pentesting Task Tree, PTT）作为全局状态管理机制。该架构将复杂的渗透测试过程分解为可管理的子任务，通过 LLM 的推理能力进行策略规划。

2.3 UCB1 算法

上置信界（Upper Confidence Bound, UCB）算法源自多臂老虎机（Multi-Armed Bandit）问题，用于在探索（exploration）与利用（exploitation）之间取得平衡。ViperStrike 将其应用于 PTT 的任务选择，使系统能够智能地在”深入已有发现”和”探索新攻击面”之间做出决策。

3、系统架构设计

ViperStrike 采用分层架构设计，自顶向下包括用户交互层、协调控制层、LLM 服务层、工具执行层和数据持久层。系统核心是 Orchestrator（协调控制器），负责调度三个 LLM 驱动的功能模块并管理整个渗透流程。

系统的关键设计原则包括：

• 模块解耦

  推理、生成、解析三模块各自维护独立的 LLM 会话上下文，避免相互干扰

• 协调器模式

  Orchestrator 作为中央调度器，不直接参与具体推理，而是协调各模块的执行顺序

• 安全优先

  所有命令执行前必须通过 Validator 的安全校验和范围检查

• 状态持久化

  PTT 和操作日志持久化至磁盘，支持任务中断恢复

4、核心模块详解

4.1 推理模块 (Reasoning Module)

推理模块是系统的”大脑”，负责分析当前 PTT 状态，决定下一步的渗透策略。其主要职责包括：

• 分析已有的扫描结果和发现
• 评估各攻击路径的优先级
• 动态扩展 PTT（添加新的子任务）
• 决定何时从信息收集阶段转向漏洞利用阶段

4.2 生成模块 (Generation Module)

生成模块接收推理模块选定的任务，将其转化为可在目标系统上执行的具体 shell 命令。该模块的关键能力包括：

• 操作系统适配

  自动检测运行环境（Linux/Windows），生成对应平台的命令

• 工具参数优化

  根据目标特征（端口、服务类型）选择最优的工具参数组合

• 风险评估

  为每条命令标注风险等级（low / medium / high）

• 超时预估

  为每条命令预估合理的执行超时时间

4.3 解析模块 (Parsing Module)

解析模块处理工具执行后的原始输出，从中提取结构化信息。解析流程采用双层策略：

4.4 上下文管理器 (ContextManager)

LLM 的上下文窗口是有限资源。ViperStrike 的 ContextManager 采用渐进式压缩策略：

1. 每个模块维护独立的会话历史
2. 监控当前 token 用量，当超过阈值（context_window × 0.7）时触发压缩
3. 保留 system prompt + 最近 3 轮对话，将更早的对话通过 LLM 压缩为摘要
4. 摘要以特殊标记 [CONTEXT_SUMMARY] 插入会话，作为历史知识的浓缩

设计考量：上下文压缩虽然会产生额外的 LLM 调用开销，但相比丢失关键历史信息（如已发现的漏洞、已尝试的攻击路径），这种开销是可接受的。系统提供 use_llm_summary 开关，允许用户在低延迟和高信息保留之间选择。

5、渗透测试任务树 (PTT)

渗透测试任务树（Pentesting Task Tree, PTT）是 ViperStrike 管理全局攻击状态的核心数据结构。与传统的线性渗透流程不同，PTT 以树形结构组织任务，天然支持多路径并行探索。

5.1 PTT 节点定义

#

5.2 UCB1 任务调度算法

ViperStrike 使用 UCB1 算法为每个待执行的叶节点计算选择分数：

6、安全控制机制

由于 LLM 生成的命令具有不可预测性，ViperStrike 实施了多层安全控制以确保系统不会执行危险操作或超出授权范围。

Web 可视化仪表盘

ViperStrike 内置了一个采用赛博朋克（Cyberpunk）视觉风格的 Web 仪表盘，基于 Flask + Server-Sent Events (SSE) 实现实时数据推送。仪表盘提供了完整的可视化和控制能力：

总结与展望

ViperStrike 一个基于大语言模型驱动的自动化渗透测试系统。系统通过推理-生成-解析三模块协作架构，结合渗透测试任务树（PTT）和 UCB1 智能调度算法，实现了端到端的自动化渗透流程。多层安全控制机制确保了系统在自动化执行过程中的安全性和可控性。Web 可视化仪表盘提供了直观的监控和管理能力。

未来工作方向包括：

• 多 Agent 协作

  支持多个 ViperStrike 实例协同工作，分别负责不同攻击面

• 知识库积累

  将成功的渗透路径和漏洞利用方法形成可复用的知识库

• 强化学习优化

  用实际渗透结果作为奖励信号，微调任务调度策略

• 更细粒度的权限控制

  支持基于角色的访问控制和操作审计

• 漏洞利用链自动化

  实现多步骤漏洞利用的自动化编排

开启 AI 安全新纪元

GitHub 项目 · 持续更新中

https://github.com/kk12-30/ViperStrike

* 本工具仅限用于授权的安全测试，请勿用于非法用途

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：蓝剑安全 kk1230 kk1230《ViperStrike：使用大语言模型驱动三模块协作架构实现端到端自动化渗透测试》