第 95 章 AI 驱动的渗透测试（2025-2026 生态）

渗透测试正在被 AI 重构：从"工具自动化"到"AI Agent 自主循环"。本章覆盖 AI 渗透的现状、自动化循环模式（Pentest Loop）、Nuclei 实战指南、以及 AI 渗透 Agent 生态。核心认知：AI 渗透的瓶颈不是"知道怎么做"，而是"执行的纪律与循环"。

📍 知识点地图 | 主题：AI渗透 | 前置：第92章 | 后续：— | 核心概念：Pentest Loop、Nuclei、MCP工具面、自动化

95.1 AI 渗透的现状（2025-2026）

能做的（成熟）:
  □ 自动化扫描编排（Nuclei/端口/目录）
  □ 已知漏洞批量验证
  □ 前端/API 逆向辅助（第 13/29 章）
  □ 报告生成
  □ 常用工具调用（nmap/sqlmap/ffuf）

在做的（快速发展）:
  □ AI Agent 自主渗透循环（扫→判→测→记录→下一步）
  □ LLM 漏洞研判（减少误报）
  □ 多 Agent 分工（侦察/利用/记录）
  □ MCP 工具面（让 AI 直接调 20+ 安全工具）

瓶颈（现实）:
  □ 复杂漏洞利用仍需人工（AI 会"尝试"但常出错）
  □ 授权与责任（AI 自主操作的风险）
  □ 误报/幻觉（AI 自信地报告不存在的漏洞）
  □ 上下文限制（大型目标超出上下文）

95.2 授权渗透循环（Pentest Loop）

核心循环（本仓库方法论）

1. 更新目标状态（当前发现/进度）
2. 更新已知信息（新结果入库）
3. 选择下一个最高价值步骤（决策！）
4. 执行扫描/测试
5. 执行利用/深入（按基线）
6. 记录结果（结构化）
7. 进行前自检（证据/授权边界）
8. 完成总结

原则: 每轮循环"选最高价值步骤"，不是盲目全扫

循环的关键决策（选下一步）

□ 信息价值: 这一步能获得什么新信息?
□ 路径价值: 离目标（shell/数据）更近了吗?
□ 风险成本: 是否可能触发告警/破坏?
□ 依赖顺序: 需要先做哪步才能做下一步?
→ 按 (信息价值 × 路径价值 / 成本) 排序

95.3 自动化循环模式（Automation Loop）

三种实现方式

方式 1: /loop 指令（Claude Code 等）
  让 Agent 自主循环执行直到完成/超时

方式 2: planning-with-files（文件驱动规划）
  计划写文件 → Agent 按文件执行 → 更新文件
  （可中断/可恢复/可审计）

方式 3: 自定义循环 Prompt
  明确"执行→记录→决策→继续"的结构化指令

自动化循环的关键纪律

1. 工具不要太深（Agent 能用的工具面适中，避免误用）
2. Skill 要写清边界（范围/授权/停止条件）
3. 循环时间要设上限（防失控）
4. 输出要落盘（每轮结果写文件，可追溯）
5. 人工断点（关键操作前确认）

95.4 Nuclei 实战指南（AI 渗透的主力工具）

基础使用（第 57 章有入门，这里深入）

# 安装/更新
nuclei -update-templates

# 批量扫描（推荐与 httpx 组合）
cat targets.txt | httpx -silent | nuclei -o results.txt

# 按模板类别
nuclei -u https://target -t cves/ -t exposures/configs/
nuclei -u https://target -etags "dos,misc"    # 排除噪音类

# 速率控制（防封）
nuclei -u https://target -rate-limit 50 -c 10

自定义模板（写自己的检测规则）

# 示例: SSTI 检测模板
id: ssti-detection
info:
  name: SSTI Detection
  severity: high
requests:
  - method: GET
    path:
      - "{{BaseURL}}/search?q={{template}}"
    payloads:
      template:
        - "{{7*7}}"        # 匹配 49
        - "${7*7}"         # JSP 类
        - "<%= 7*7 %>"     # ASP
    matchers:
      - type: word
        words:
          - "49"

模板结构: id + info（元数据）+ requests（请求）
+ matchers（匹配逻辑）
价值: 团队沉淀自己的检测模板（经验固化）

95.5 AI 渗透 Agent 生态（工具面）

MCP 安全工具（AI 直接调用）:
  pentestMCP: 20+ 工具一键 MCP（Docker）
  mcp-kali-server: Kali 官方 MCP（终端工具直调）
  BurpSuite MCP: 代理/扫描/重放全控制（第 91 章同源）
  MetasploitMCP: MSF 接口（第 91 章）
  HexStrike AI: 150+ 安全工具 MCP 自动化

AI 渗透框架:
  Pentest Swarm AI: 多 Agent 协同（blackboard 协调）
  AdaptixC2: 后渗透与对抗模拟

架构: AI Agent ↔ MCP ↔ 安全工具
  → Agent 自然语言决策，MCP 执行工具

95.6 AI 渗透检查清单

□ 授权与范围明确（AI 自主操作前必须）
□ 工具面配置（MCP/CLI）
□ 循环机制（Pentest Loop）
□ 最高价值步骤决策（每轮）
□ 超时/上限设置
□ 结果落盘（结构化记录）
□ 人工断点（关键操作）
□ 证据保存（报告素材）
□ AI 结论人工复核（防幻觉）

动手练习

1. 用 nuclei 对一个授权靶场做"分类扫描"，分析结果并过滤噪音。
2. 写一个自定义 nuclei 模板（检测你熟悉的漏洞），验证命中。
3. 用 Pentest Loop 流程对一个靶场做一轮"循环渗透"，记录每轮的决策依据。
4. 搭一个 MCP 安全工具面（pentestMCP 或 mcp-kali-server），体验 AI 直调工具。

深入阅读

• 仓库：skills/pentest-tools/references/pentest-loop.md（授权渗透循环）
• 仓库：skills/pentest-tools/references/automation-loop-pattern.md（自动化循环）
• 仓库：skills/pentest-tools/references/nuclei-guide-2026.md（Nuclei 实战全量）
• 仓库：skills/pentest-tools/references/ai-pentest-agents.md（AI 渗透 Agent）
• 仓库：skills/pentest-tools/references/burpsuite-mcp-guide.md / kali-mcp-ecosystem.md
• 仓库：skills/pentest-tools/SKILL.md（工具链总纲）