jiwoochris GitHub avatar

artex-global

Go
大模型渗透测试框架jiwoochris最近推送 2026年11月10日
Agent 框架AGPL-3.03,8183,2509 issues7 天 +778

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日

由大模型多智能体驱动的自主渗透测试系统,面向授权防御测试。

ARTEX 是一个由多个 LLM 智能体自主执行渗透测试的系统:智能体自行拆解目标、调用真实工具,并把发现的资产与漏洞持续累积成一张图。后端用 Go 编写,前端用 Next.js 并嵌入单个二进制文件,数据存放在 PostgreSQL。本仓库是上游 Autumn-27/ARTEX 的全球化版本,界面与输出默认英文,可在设置中切换韩文、中文、西班牙文、日文。

推荐指数

3.0

能力完整、工程化程度高的自主渗透测试框架,但攻击性强、法律风险高,只适合在隔离环境中做防御研究。

近 7 天

+778

新增 Star

总 Star 排名

#1504

雷达追踪的 3,931 个 AI 仓库中

创建于

2026

2026年10月3日

核心亮点

  • 1多智能体自主执行

    智能体自行拆解目标、调用真实工具,无需逐步人工指挥。

  • 2资产漏洞图谱

    发现的资产与漏洞持续累积成图,便于追踪测试进展。

  • 3单二进制部署

    Go 后端内嵌 Next.js 前端,数据统一存 PostgreSQL。

  • 4五语言输出

    界面与报告可切换英、韩、中、西、日,推理提示保持原语言。

  • 5附防御指南

    仓库同时整理检测签名与加固清单,供蓝队参考。

适用场景

  • 授权渗透测试

    例如:在客户书面授权与约定时间窗内,对自有系统做完整测试并生成报告。

  • 防御能力验证

    例如:在隔离环境复现自主 AI 攻击路径,检验现有检测规则能否告警。

  • 安全教学研究

    例如:对 OWASP Juice Shop、DVWA 等靶场运行,观察智能体的决策过程。

它是怎么工作的

  1. 第 1 步

    配置模型

    接入前沿模型或任意 OpenAI 兼容端点作为智能体大脑。

  2. 第 2 步

    下达目标

    给出授权范围内的测试目标,智能体自行拆解任务。

  3. 第 3 步

    调用工具

    智能体执行真实扫描与探测工具,收集结果。

  4. 第 4 步

    累积图谱

    资产与漏洞写入图结构,作为后续决策依据。

  5. 第 5 步

    生成报告

    按所选语言输出发现、摘要与最终报告。

快速上手

  1. 1

    阅读警告

    先确认仅在自有或书面授权的环境中使用。

  2. 2

    准备环境

    准备 PostgreSQL 与所选 LLM 的 API 配置。

  3. 3

    启动服务

    运行 Go 二进制,前端已内嵌,无需单独部署。

  4. 4

    切换语言

    在 系统 → 设置 → 显示语言 中选择输出语言。

适合谁

  • 做授权渗透测试的安全团队
  • 研究 AI 自主攻击与检测的蓝队
  • 在隔离靶场学习的安全研究者

不太适合

  • 没有授权目标、想扫描外部系统的人
  • 不熟悉渗透测试与法律边界的初学者

成熟度

  • 活跃度创建于 2026-10,最近一次推送在 2026-11,更新频繁。
  • 文档README 含多语言版本、配置说明与防御指南,结构完整。
  • 社区约 3.6k star、3.1k fork,开放 issue 仅 9 个。
  • 上手难度单二进制降低部署成本,但需自备 PostgreSQL 与 LLM 配置。

使用前注意

  • · 仅限自有或获得书面授权的目标,未授权使用可能构成犯罪。
  • · 采用 AGPL-3.0,二次分发或网络服务需遵守其开源义务。
  • · 上游仓库当前不可达,后续同步与修复依赖本仓库维护者。
  • · 智能体可自主完成从侦察到数据外泄的链路,误用危害大,建议隔离运行。

主题标签

ai-agentautonomous-agentsblue-teamcybersecuritydetection-engineeringi18nkoreanllmpenetration-testingsecuritysecurity-researchsecurity-toolssigma-rulesthreat-detection