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
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
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。
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。
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。
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。
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
阅读警告
先确认仅在自有或书面授权的环境中使用。
- 2
准备环境
准备 PostgreSQL 与所选 LLM 的 API 配置。
- 3
启动服务
运行 Go 二进制,前端已内嵌,无需单独部署。
- 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。
