开源AI自主渗透智能体LuaN1aoAgent部署与使用

2026-6-15 12:51 7 0

摘要: 03LuaN1aoAgent 本地部署首先克隆仓库：git clone https://github.com/SanMuzZzZz/LuaN1aoAgent.gitcd LuaN1aoAgent创建 Python 虚拟环境：python3 -m venv venvsource venv/bin/activate安装依赖...

关键词：LuaN1aoAgent, Python, GitHub, P-E-R, HTTPS, github.com, Agent, Web, 大模型, 渗透测试

LuaN1aoAgent 简介

鸾鸟（LuaN1ao）是新一代基于大模型的自主渗透测试智能体。传统自动化扫描工具依赖预定义规则，难以应对复杂多变的实战场景。鸾鸟突破这一局限，创新性地融合了 P-E-R（Planner-Executor-Reflector）智能体协同框架与因果图谱推理（Causal Graph Reasoning）技术。鸾鸟可以模拟人类安全专家的思维方式进行战略规划、证据驱动、持续进化、认知闭环等任务。从信息收集到漏洞利用，鸾鸟将渗透测试从“自动化工具”提升为“自主智能体”。

LuaN1aoAgent 项目开源地址为 https://github.com/SanMuzZzZz/LuaN1aoAgent，该项目目前在 GitHub 上已获得超过 1K 个 Stars。

LuaN1aoAgent 架构

LuaN1aoAgent 架构的核心亮点在于其“P-E-R 智能体协同框架”和“因果图谱推理”。

在“P-E-R 智能体协同框架”中，鸾鸟将渗透测试思维解耦为三个独立且协作的认知角色，形成完整的决策闭环，其协作流程如下。

基于“因果图谱推理”，鸾鸟可以有效抑制盲目猜测和大模型幻觉，构建显式的因果图谱来驱动测试决策。

LuaN1aoAgent 本地部署

首先克隆仓库：

git clone https://github.com/SanMuzZzZz/LuaN1aoAgent.git
cd LuaN1aoAgent

创建 Python 虚拟环境：

python3 -m venv venv
source venv/bin/activate

安装依赖：

pip install -r requirements.txt

进行环境变量配置：

cp .env.example .env
vim .env

主要是配置大模型 API。

克隆 PayloadsAllTheThings 知识库：

mkdir -p knowledge_base
git clone https://github.com/swisskyrepo/PayloadsAllTheThings knowledge_base/PayloadsAllTheThings

构建向量索引：

cd rag
python3 -m rag_kdprepare

等待构建完成即可。

LuaN1aoAgent 使用测试

首先，在一个终端运行 Web UI：

python -m web.server

然后，开启一个新终端运行 Agent：

python agent.py
--goal "对 http://192.168.209.4:3000/ 进行全面的 Web 安全测试"
--task-name "demo_test"

Web UI 中查看测试结果：

http://127.0.0.1:8000

总结

LuaN1aoAgent 采用 Plan-on-Graph 动态任务图替代静态清单，支持并行与自适应调整。内置 MCP 工具集成、RAG 知识增强及 Web 可视化，在 XBOW 基准测试中漏洞利用成功率超 90%，单次成本仅 0.09 美元。部署需 Python 3.10+ 及 LLM API Key，推荐在隔离环境中运行。LuaN1aoAgent 项目为安全测试带来了“自主智能体”的新范式，但仍需配合人工监督使用。