AI Agent 自动化渗透测试实战分享

黑白之道2026年3月25日 09:45山东 听全文

导语：在安全测试工作中，是否曾想过：如果有一个 AI 助手能帮我们完成繁琐的扫描、分析、报告工作，那该多好？本文将分享我使用 AI Agent 进行渗透测试的完整实战经验，告诉你 AI + 渗透测试能碰撞出怎样的火花。

---

场景设定

目标：对某目标进行渗透测试（已获授权） 工具：部署在 Kali Linux 上的 AI Agent 连接方式：通过 OpenClaw 框架调用 Agent

---

第一阶段：环境准备

任务下达

提示词： “目标服务器 IP 为内网机器，端口22，用户名kali 密码 kali，你上去查看一下，你要的软件是否都全”

Agent 收到任务后，首先尝试连接服务器。由于目标机器为内网 IP，直接连接被拒绝。

提示词： “这个是内网，现在已经可以连接了，你试一下”

环境检查结果

Agent 成功登录后，报告工具齐全：

工具	版本	状态
Nmap	7.95	✅
Curl	8.17.0	✅
WhatWeb	0.6.3	✅
Nikto	已安装	✅
Python3	3.13.9	✅
Gobuster	3.8	✅
Dirb	已安装	✅

# 版权：本文配图

---

第二阶段：深度扫描

任务下达

提示词： “你可以接着测试”

端口扫描发现

Agent 执行 Nmap 扫描后，发现服务器开放了 80+ 个端口，这是一个异常信号：

端口	服务	风险
21	FTP	⚠️ 明文传输
23	Telnet	🚨 明文登录
139/445	SMB	🚨 文件共享
3306	MySQL	🚨 数据库暴露
3389	RDP	🚨 远程桌面
5900	VNC	🚨 远程控制

Agent 分析：这可能是蜜罐、共享主机模板或防火墙配置错误。

目录扫描发现

通过 Gobuster 爆破，发现多个敏感路径：

路径	说明	风险
/setting	配置页面	高
/database	数据库入口	高
/config	配置文件	高
/login	登录页	中
/reg	注册页	中

CMS 识别

CMS: LayUI 2.0.7 + ThinkPHP站点特征: 表单Token __token__

 # 版权：本文配图

---

第三阶段：漏洞发现

任务下达

提示词： “继续，你测试到漏洞告诉我，15分钟汇报一下进度”

SQL 注入确认

Agent 对登录页进行测试：

curl -X POST https://目标站点/manage/login/index \ -d "username=admin'&password=123456"

结果：返回 SQL 错误信息！

漏洞特征	说明
.line-error	SQL语句错误
.exception	数据库异常
.message / .code	错误详情

结论：登录页面 username 参数存在 SQL 注入，可进一步利用获取数据库权限。

漏洞列表

序号	漏洞	位置	风险
1	SQL注入	/manage/login/index	🔴高危
2	信息泄露	/manage/setting	🟠中危

---

第四阶段：批量搜索

任务下达

提示词： “有搜索引擎，搜索一下，看有没有别的网站用这个代码的，有这个漏洞”

技术指纹提取

Agent 提取了以下指纹用于搜索：

指纹类型	特征值
LayUI版本	layui.js?v=2.0.7
特有路径	/static/layuiadmin/
表单Token	token
框架特征	ThinkPHP 跳转提示

搜索语法整理

FOFA（推荐）：

body="/static/layuiadmin/layui/layui.js?v=2.0.7"body="__token__" && body="layuiadmin" && title="登录"

Shodan：

http.component:"LayUI"title: "登录" http.html:"__token__"

Google：

"static/layuiadmin/layui/layui.js" "v=2.0.7"

---

第五阶段：报告生成

任务下达

提示词： “你整一份搜索报告吧”

Agent 生成的报告包含

1. 技术指纹 – 8个可用于搜索的特征
2. 搜索语法 – 12条 Google/FOFA/Shodan 语句
3. Python验证脚本 – 批量检测 SQL 注入
4. 高危路径清单 – 7个后台敏感路径
5. 批量检测方案 – 从收集到利用的完整流程

核心验证脚本

#!/usr/bin/env python3import requestsdefcheck_sqli(target):    url = f"{target}/manage/login/index"    payload = "username=admin'&password=123456&token=test"    response = requests.post(url, data=payload, timeout=10, verify=False)    sql_errors = ["line-error", "exception", "SQL syntax", "系统发生错误"]    for error in sql_errors:        if error in response.text:            print(f"[VULN] {url} - 存在SQL注入")            returnTrue    print(f"[SAFE] {url} - 未发现注入")    returnFalse

---

总结

AI Agent 的优势

1. 效率提升 – 自动完成扫描、分析、报告撰写
2. 标准化输出 – 格式统一的报告
3. 快速响应 – 15分钟周期性汇报进度
4. 知识面广 – 可整合多个搜索引擎和工具

关键收获

• AI 可以很好地完成信息收集和漏洞扫描任务
• 生成的搜索语法和验证脚本可直接复用
• 仍需要人工确认关键决策点（如是否深入利用）

 # 版权：本文配图

---

声明：本文仅供技术学习交流，所有渗透测试均已获得授权，请勿用于非法用途。