腾讯云黑客松智能渗透挑战赛决赛答辩-BinX

研究背景

自动化渗透测试经历了从人工到无人攻防的六阶段演进，当前高度自动化渗透测试（Conditional Attack）仍需人类在关键节点确认。基于大语言模型的渗透测试智能体面临三大系统性挑战：认知决策障碍（模型能说但不能推理）、记忆缺失（长周期任务易上下文遗失）和低效盲目探索（有效信号稀缺、巨大搜索空间）。

核心架构：图谱驱动的认知架构

为解决传统智能体的“灾难性遗忘”与“推理幻觉”问题，团队构建了由双图谱驱动的认知架构，赋予智能体人类专家级的全局规划与证据推理能力。

• 任务图：基于networkx.DiGraph实现宏观任务编排，采用DAG拓扑显式建模“分解”与“依赖”关系，解决线性执行的逻辑死锁问题。节点模型标准化契约，维护任务生命周期，引入容错机制防止无效执行。
• Plan-on-Graph动态图规划：针对渗透测试的复杂性，构建基于图的非线性规划框架，模拟人类专家的动态决策路径，实现从CTF到端到端攻防的智能体演进。
• 因果图：通过EvidenceNode、HypothesisNode、VulnerabilityNode和ExploitNode封装工具原始输出与结构化发现，定义物理世界的客观事实、基于证据的概率性推论、已验证的安全缺陷和可执行的攻击向量。置信度动态演进基于贝叶斯思想，自动检测“矛盾簇”和“停滞假设”，驱动智能体进行反思而非盲目试错。

多维度抗遗忘机制

在长周期、高信息密度的渗透任务中，通过知识增强机制构建智能体的持久化记忆，并引入工具化的自主知识检索机制，使模型具备“像测试员一样主动查资料”的能力。

未来展望

未来需从“确定性利用”转向“非确定性探索”，从“静态问题求解”转向“动态环境建模”，最终实现化点为链、以智代工，开启渗透测试的“自动驾驶”时代。