2026-05-18 05:06:31 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

文章总结： Abyss是基于多智能体协作的自主渗透测试框架，采用调度、执行、分析三类智能体分工协作，基于五阶段渗透方法论实现从信息收集到后渗透的全程自动化。框架具备动态学习能力，覆盖OWASPTop10漏洞，支持多模型且提供可视化攻击路径追踪。项目提供完整部署指南和沙箱隔离环境，适用于红队演练和安全评估。 综合评分： 78 文章分类： 渗透测试,红队,AI安全,安全工具,安全建设

cover_image

多智能体协作的自主渗透测试框架Abyss，像专家一样思考

原创

0x八月 0x八月

0x八月

2026年5月16日 22:42 陕西

在小说阅读器读本章

去阅读

多智能体协作的自主渗透测试框架Abyss，像专家一样思考

⚠️

请勿利用文章内的相关技术从事非法渗透测试，由于传播、利用此文所提供的信息而造成的任何直接或者间接的后果及损失，均由使用者本人负责，作者不为此承担任何责任。工具和内容均来自网络，仅做学习和记录使用，安全性自测，如有侵权请联系删除。

⚠️注意：现在只对常读和星标的公众号才展示大图推送，建议大家把”0x八月“设为星标⭐️”否则可能就看不到了啦,点击下方卡片关注我哦！

💡项目地址在文章底部哦！

📖 项目/工具简介

Abyss 是一个基于多智能体协作的自主渗透测试框架，通过递进式渗透策略模拟人类安全专家的思维链，从单点漏洞逐步深入探索系统深处。

🚀 一句话优势

像人类专家一样自主思考、递进渗透，而非机械扫描，让AI学会“如何钓鱼”而非“钓某条鱼”。

📋 核心能力速览

📸 运行截图

✨ 核心亮点

1. 三智能体协作架构

与单 Agent 扁平化交互不同，Abyss 采用 调度智能体 + 执行智能体 + 分析智能体 的分工协作模式。调度智能体负责全局任务规划和策略制定；执行智能体具体调用技能和操作命令；分析智能体负责结果复盘和经验沉淀。这种 “决策-执行-反馈”闭环让系统能从每一次操作中学习，持续优化后续渗透路径。

2. 方法论驱动而非脚本驱动

Abyss 的核心差异在于：它内置的是 标准渗透测试方法论（信息收集 → 威胁建模 → 漏洞分析 → 渗透利用 → 后渗透），而不是针对特定靶场的“刷题式”知识。这意味着它具备 泛化能力，可以迁移到全新的目标、环境和未知漏洞场景，而非仅仅在某个 benchmark 上表现出色。项目在 validation-benchmarks 测试中完成率超过 90%，且未进行定向知识注入。

3. 递进式渗透与可视化追踪

系统从单点漏洞切入后，会自主探索攻击路径，逐步横向移动、权限提升，最终抵达系统深处。Web UI 实时展示渗透过程和智能体思考逻辑，关键信息高亮显示，攻击路径可视化呈现。这种设计让你既能看清结果，也能理解 AI 每一步决策的依据，避免“黑盒”式的不信任感。

🛠️ 技术优势

📖 使用指南

① 准备工作 克隆项目后创建 Python 3.12+ 虚拟环境 python3.12 -m venv venv 并安装依赖 pip install -r requirements.txt。在前端目录 Abyss_web 下执行 npm install。然后在 Abyss/llm/.api_key.json 中配置 base_url、api_key 和 model_type。最后构建执行沙箱 cd Abyss/docker/kali && ./build_image.sh 并启动沙箱容器。

② 核心操作 分两个终端启动：终端1执行 python start.py 启动后端（RESTful API 在 http://0.0.0.0:80，WebSocket 在 ws://0.0.0.0:8765）；终端2在 Abyss_web 目录下执行 npm run dev 启动前端。浏览器访问 http://localhost:3000，输入目标地址即可开始使用。Docker 用户可直接执行构建脚本后一键创建并启动容器。

③ 结果查看 渗透过程中，Web UI 会实时展示每个智能体的决策过程、执行结果和攻击路径。渗透完成后，系统输出 关键信息（漏洞详情、攻击路径）、渗透报告（过程记录、风险评级）和 修复建议（技术修复、架构优化），方便你后续进行复现和整改。