从 PentestGPT 到 AutoPentester大模型不仅会执行命令更开始学会制定攻击策略。近年来大语言模型LLM正在改变网络安全领域。AutoPentester 提出了一种基于多智能体Multi-Agent的自动化渗透测试框架通过 Strategy Analyzer、RAG、Repetition Identifier 和 Results Verifier 等模块使 AI 能够规划攻击策略、减少重复操作并自动验证执行结果。为什么重要全球网络安全人才短缺而攻击数量持续增长因此自动化渗透测试具有重要意义。相比 PentestGPTAutoPentester 更强调“策略学习”而非简单的命令生成。核心创新• Strategy Analyzer根据已有发现推理下一步攻击策略。• RAG结合外部知识库如 HackTricks、CVE生成更准确的命令。• Repetition Identifier减少重复循环。• Results Verifier自动检查命令执行结果并修正错误。实验结果论文在 Hack The Box 和自建虚拟机上进行了评估。AutoPentester 相较 PentestGPT 提高了子任务完成率和漏洞覆盖率同时显著降低了人工干预、循环次数和无效命令。不足目前仍难以处理复杂 GUI Web 应用对知识库更新依赖较大复杂攻击路径规划仍存在挑战。个人观点这篇论文最大的贡献在于将研究重点从“命令生成”提升到“攻击策略学习”为未来真正自主的网络安全 Agent 奠定了基础。参考链接IEEE: https://ieeexplore.ieee.org/document/11354838关键词#人工智能 #网络安全 #大语言模型 #LLM #Agent #AgenticAI #渗透测试 #AI安全 #RAG #多智能体 #HackTheBox #AutoPentester