重生之我是AI人：让 AI 替我挖洞 — 从一次甲方任务聊起

TtTeam

2026年6月12日 14:00
海南

在小说阅读器读本章

去阅读

以下文章来源于威胁情报Z分析
，作者Gachong

威胁情报Z分析
.

国际网络安全威胁情报，地缘政治事件分析。

1. 故事从\"翻车\"开始

2025年末，那会我还在甲方，接到领导指示要全面落实全自动化渗透测试。一开始挺乐观的。市面上的工具我都熟 — nmap 扫端口、sqlmap 注入、nuclei 跑模板、burp 抓包，这些是基本功。我心里的方案大概是写个 shell 脚本：nmap → nikto → nuclei → sqlmap，出报告，完事。写了三天，跑了一次，甲方回了一句：\"这报告跟你自己写有啥区别？工具拼凑痕迹太重，看不出'人'在判断。\"这句话戳到我了。我意识到一个问题：工具不会思考。sqlmap 不知道今天扫到的是电商站还是政府站，不知道该避开订单接口还是先打支付接口。它只管按规则发 payload。nuclei 跑完几千个模板，但如果目标用的是某个冷门框架 + 已知 0day，模板里压根没有 — 工具就放弃了。

我想，如果有个\"会思考的工具调度员\"就好了 — 它能看着目标的情况，临时决定：\"这家看起来是 PHP+ThinkPHP，试试 5.0.23 那条 RCE 链\";\"这个登录页似乎没有 CSRF token，顺手测一下认证绕过\";\"上次在 XX 系统上见过类似接口被绕过的 case，这次也试试\"。这个念头在脑子里转了一段时间。直到 LLM 工具调用变得足够稳定 — 便顺手把它造出来。它就是 Hati。

Hati — 名字取自北欧神话里追逐月亮的那头魔狼。每逢月夜，跨越天际追猎明月。我希望它能像狼一样，耐心地、不放过任何边角地追踪目标的每一寸攻击面，直到找到破绽。

2. 真的能挖洞

先说结论 — 测试了一段时间，大概每周用来做实际项目。Hati 在 8 轮决策内，平均能在授权目标上确认 1-3 个真实漏洞，以中危、高危为主。

上个月的一次实战(已脱敏)：用户输入\"对 http：//testphp.vulnweb.com 渗透测试\"。

Web UI 上流式输出过程，大概 6 分钟：

它做的事情，我截几个关键节点：

● 00：00 启动，加载 47 个攻击技能到内存

● 00：08 调用 nmap 扫到 80 + 3306 端口开放

● 00：15 httpx 识别出 PHP + Apache + MySQL 技术栈

● 00：42 LLM 第一轮决策：\"目标有数据库端口，优先测 SQL 注入\" → 匹配 sqli-sql-injection 技能

● 01：30 LLM 适配，把通用模板改写成 /artists.php？artist=1' OR '1'='1

● 02：18 实际发包，响应里出现 MySQL syntax error 关键词 → 确认 SQL 注入

● 03：45 第二轮决策：\"首页有 search 框，顺手测个 XSS\"

● 05：20 生成 reports/20260601\_xxx\_target\_xxxxxxxx.md 报告

报告长这样：

值得补充的是，目前所有的ai自动化渗透工具，都无法完全替代人类，但他可以为我们提供一些思路或者做一些力所能及的工作，依托Hati打辅助，在最新的版本，作者也是拿到了一些成果，如sql注入类：

3. 传统扫描器到底有啥不一样

可能有人会问：你这就是把 sqlmap 套了个 AI 外壳吧？

不一样。用三组对比来直观说明。

第一个不一样：能不能\"看菜吃饭\"

传统扫描器是无差别扫。nuclei -u target.com 跑下来，几千个模板挨个过，不管目标是谁。

Hati 是先看、后想、再打。比如它先看 nmap 扫到 3306 端口开了，httpx 看到 PHP，首页 HTML 里有 \"search\" 关键词 — LLM 综合这些信息判断：\"这家八成有 SQL 注入面，优先测\"。这一步判断对老手来说不稀奇，但传统工具就是不会。

第二个不一样：能不能\"用经验\"

如果 LLM 凭自己记，大概率会写出错的 POC。MySQL 和 PostgreSQL 的注入语法不一样，Struts2 S2-045 和 S2-046 触发点不同 — 这些细节靠 LLM 记忆容易出错。

Hati 有个 RAG 知识库，塞了 799 个真实产品的历史 POC。LLM 在动手前会先查\"Apache 相关的注入有哪些\"，拿到 top 3 历史案例，照着改写而不是凭记忆。这一步叫\"借经验\"，是从老渗透测试工程师的笔记本里学来的。

第三个不一样：能不能\"试错了再换\"

传统工具一发就过。Hati 是循环的：

LLM 想下一步 → 执行 → 看结果 → 根据结果再想 → ...

比如第一轮试 SQL 注入，响应没报错 — LLM 看到没异常，会换策略：\"试试 XSS\"或者\"试试认证绕过\"。这种自我调整是传统工具的硬伤。

4. 整体设计：三个脑子 + 一双隔离的手

先说架构，这个我们后面几章会逐个拆。

简单一句话总结这个架构：大脑(LLM)住在主机，手脚(MCP 工具)关在 VM 沙箱里，中间用 SSH 隧道通信。

为什么这么分？因为渗透测试工具有合规风险。nmap 的 SYN 扫描会触发对方 IDS，sqlmap 跑起来会爆对方 WAF 日志，hydra 暴力破解会被风控盯上 — 这些东西还是不要让它直接跑在主机的本地环境里。

所以搞了个 Kali Linux VM充当沙箱，当然也可以搞一个云沙箱，一百多个安全工具全在那跑。主机这边只发指令、收结果，真正执行的是 VM。这样即使工具在执行过程中出了意外(比如某个 payload 触发对方反制、或者工具自身有 bug)，影响也只在 VM 内，不会波及主机的开发环境。

三层隔离的安全边界：主机仅做 LLM 推理和任务调度 → 通过 HTTP/SSH 隧道 → Kali VM 沙箱执行实际工具 → 访问授权目标

5. 接下来 7 篇你会看到啥

8 篇写完，你能自己改、能自己加技能、能把架构搬走用。

第 2 篇就开始动手了。我建议小伙伴按那篇的步骤，自己把 Hati 跑起来 — 跑通一次比看 10 篇概念性的文章有用。

初试版本的代码已开源，欢迎大家star~

https://github.com/Gach0ng/Hati