LuaN1aoAgent

认知驱动的 AI 黑客

---

🧠 像人类专家一样思考 • 📊 动态图规划 • 🔄 从失败中学习 • 🎯 证据驱动决策

🚀 快速开始 • ✨ 核心创新 • 🏗️ 系统架构 • 🗓️ 路线图

🌐 中文版 • English Version

---

📖 简介

LuaN1ao (鸾鸟) 是一款由大语言模型（LLMs）驱动的下一代自主渗透测试 Agent。

传统的自动化扫描工具依赖于预定义的规则，难以应对复杂的真实世界场景。LuaN1ao 通过创新性地将 P-E-R (规划者-执行者-反思者) Agent 协作框架与因果图推理技术相结合，突破了这些局限。

LuaN1ao 模拟了人类安全专家的思维模式：

• 🎯 战略规划：基于全局态势感知动态规划攻击路径
• 🔍 证据驱动：构建严谨的“证据-假设-验证”逻辑链
• 🔄 持续进化：从失败中学习并自主调整战术策略
• 🧠 认知闭环：形成完整的“规划-执行-反思”认知循环

从信息收集到漏洞利用，LuaN1ao 将渗透测试从“自动化工具”提升到了“自主智能体”的水平。

[!NOTE] LuaN1aoAgent 在 XBOW 基准测试任务中实现了 90.4% 的完全自主成功率，且平均漏洞利用成本仅为 0.09 美元。 →

---

🖼️ 展示

💡 更多演示即将推出！

---

🚀 核心创新

1️⃣ P-E-R Agent 协作框架 ⭐⭐⭐

LuaN1ao 将渗透测试思维解耦为三个独立但协作的认知角色，形成了一个完整的决策闭环：

• 🧠 规划者 (Planner)

  • 战略大脑：基于全局图感知的动态规划
  • 自适应能力：识别死胡同并自动生成替代路径
  • 图操作驱动：输出结构化的图编辑指令，而非自然语言
  • 并行调度：根据拓扑依赖关系自动识别可并行执行的任务
  • 自适应步骤计数：针对复杂任务（如盲注提取、多阶段绕过等）分配额外的执行步骤 (max_steps)

• ⚙️ 执行者 (Executor)

  • 战术执行：专注于单个子任务的工具调用与结果分析
  • 工具编排：通过 MCP (Model Context Protocol) 统一调度安全工具
  • 上下文压缩：智能管理消息历史以避免 Token 溢出
  • 容错机制：自动处理网络瞬时错误和工具调用失败
  • 假设持久化：formulate_hypotheses 生成的假设在各步骤中被保留，不受上下文压缩影响
  • 并行发现共享：并行子任务通过共享公告板实时交换高价值发现（如确认漏洞和高置信度关键事实）
  • 首步引导：在不存在已确认漏洞的情况下，自动提示 Agent 在盲目探索前先构建假设框架

• ⚖️ 反思者 (Reflector)

  • 审计分析：审查任务执行情况并验证人工产物的有效性
  • 失败归因：进行 L1-L4 级别的失败模式分析，防止重复错误
  • 情报生成：提取攻击情报并构建知识积累
  • 终止控制：判断目标是否达成或任务是否陷入困境

主要优势：角色分离避免了单一 Agent 的“多重人格”问题。各组件专注于核心职责，并通过事件总线进行协作。

2️⃣ 因果图推理 ⭐⭐⭐

LuaN1ao 拒绝盲目猜测和 LLM 幻觉，通过构建显式的因果图来驱动测试决策：

graph LR
    E[🔍 证据节点 Evidence] -->|支持| H[💭 假设节点 Hypothesis]
    H -->|验证| V[⚠️ 漏洞节点 Vulnerability]
    V -->|利用| X[💥 利用节点 Exploit]

核心原则：

• 证据优先：任何假设都需要明确的先行证据支持
• 置信度量化：每条因果边都有一个置信度分数，避免盲目推进
• 可追溯性：完整记录推理过程