# AegisX
**Repository Path**: weng-renjun/AegisX
## Basic Information
- **Project Name**: AegisX
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-01-19
- **Last Updated**: 2026-01-19
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# AegisX - AI 驱动的智能 Web 渗透测试进化系统
AegisX 是一款基于 **LangGraph** 和 **LLM (大语言模型)** 构建的下一代 Web 安全自动化渗透测试代理系统。它通过多智能体协作（Multi-Agent Collaboration）和反馈驱动的策略进化，模拟资深安全专家的思维逻辑，对目标进行深度漏洞探测。
使用皮卡丘靶场进行测试
## 🌟 核心特性
- **🤖 多智能体协同架构**：由 Manager Agent 统一调度，SQLi、XSS、Fuzz 等专项 Agent 协同工作，实现复杂漏洞的自动化发现。
- **📈 反馈驱动的策略进化**：系统不仅执行探测，还会根据每一轮的响应结果（延迟、长度差异、状态码等）动态调整 Payload 策略。
- **🧠 记忆与去重系统 (Redis)**：
- **流量去重**：基于 Redis 存储请求指纹（Fingerprint），确保在复杂扫描任务中不重复处理相同接口。
- **历史记忆**：自动提取并存储每个 Host 的历史参数集（Param Set），为 Fuzz 模块提供上下文支撑。
- **🚀 静态+动态双引擎**：
- **首轮探测**：使用内置的高频静态 Payload 库进行快速覆盖。
- **后续进化**：针对复杂场景，调用 LLM 生成具有针对性的绕过（Bypass）Payload。
- **📂 完善的项目管理与持久化**：
- 基于 SQLite 的项目化存储，记录所有漏洞详情、原始请求/响应包。
- 完整的 Agent 对话日志审计，确保测试过程可追溯。
## 🏗️ 系统架构
- **Manager Agent**：任务分发与状态管理核心。
- **Strategist Node**：基于历史执行结果生成探测策略。
- **Executor Node**：高性能异步并发探测执行引擎。
- **Analyzer Node**：深度分析探测结果，判定漏洞并提供修复建议。
- **Redis Cache/Storage**：负责指纹去重、任务队列缓存以及 Host 级别参数记忆。
- **Persistence Layer**：基于项目维度的漏洞与日志持久化。
## 💻 核心代码实现
为了方便理解系统的工作原理，以下展示了 AegisX 的部分核心逻辑：
### 1. 多智能体工作流 (LangGraph)
系统通过 `Manager` 节点分析原始流量，并根据识别出的攻击面动态调度不同的专项 Worker 子图。
```python
# src/agents/manager/graph.py
def create_manager_graph():
builder = StateGraph(AgentState)
manager = ManagerAgent()
# 添加主节点与专项 Worker 节点
builder.add_node("manager", manager.analyze_request)
builder.add_node("sqli_worker", sqli_graph)
builder.add_node("xss_worker", xss_graph)
# 基于任务列表进行条件路由 (并发执行)
def route_tasks(state: AgentState):
destinations = []
if "sqli" in state["tasks"]: destinations.append("sqli_worker")
if "xss" in state["tasks"]: destinations.append("xss_worker")
return destinations if destinations else END
builder.add_conditional_edges("manager", route_tasks)
return builder.compile()
```
### 2. Redis 记忆与指纹系统
利用 Redis 实现高效的流量去重和 Host 参数画像，避免重复扫描并增强 Fuzz 效果。
```python
# src/utils/redis_helper.py
def push_task(self, task_data: dict):
# 1. 存储请求指纹，实现扫描去重
self.client.sadd("webagent:fingerprints", task_data["fingerprint"])
# 2. 提取并记忆 Host 级别的历史参数集
host = extract_host(task_data["url"])
params = extract_params(task_data)
if params:
self.client.sadd(f"webagent:host:{host}:params", *params)
```
### 3. 反馈驱动的策略进化 (Strategist)
Strategist 不仅仅生成 Payload，它还会参考 `history_results` 中每一轮的响应时间、长度变化和相似度趋势。
```python
# src/core/engine/strategist.py
def generate_strategy(self, user_context: dict):
# 提取历史探测结果摘要
history_summary = [
{
"payload": r["payload"],
"elapsed": r["elapsed"],
"len_diff": r["len_diff"]
} for r in user_context.get("history_results", [])
]
# 将历史趋势作为 Context 喂给 LLM，实现“进化”探测
user_prompt = f"历史探测执行趋势:\n{json.dumps(history_summary)}\n请根据以上结果调整绕过策略..."
# ... 调用 LLM 返回优化后的 Payload
```
### 4. 异步并发执行引擎 (Executor)
利用 `httpx` 和 `asyncio.Semaphore` 实现高并发且受控的探测执行，支持 RESTful 路径、Query 和 Body 自动注入。
```python
# src/core/engine/executor.py
async def execute_batch(self, test_cases: List[Dict]):
async with httpx.AsyncClient(verify=False, proxy=self.proxies) as client:
# 使用信号量控制并发数，防止触发频率限制
async with self.semaphore:
tasks = [self._run_single_test(client, case) for case in test_cases]
return await asyncio.gather(*tasks)
```
## �️ 技术栈
- **Core**: Python 3.11+
- **Orchestration**: [LangGraph](https://github.com/langchain-ai/langgraph)
- **LLM Framework**: [LangChain](https://github.com/langchain-ai/langchain)
- **Database**: SQLite (SQLAlchemy)
- **Cache & Memory**: **Redis** (指纹去重、参数记忆)
- **Async Engine**: httpx
- **Logging**: Loguru & Custom Auditor
## 🚀 快速开始
### 1. 安装依赖
```bash
pip install -r requirements.txt
```
### 2. 环境准备
- 确保已安装并启动 **Redis** 服务。
- 在根目录创建 `.env` 文件并配置相关 Key：
```env
OPENAI_API_KEY=your_key_here
OPENAI_API_BASE=https://api.openai.com/v1
MODEL_NAME_MANAGER=gpt-4o
MODEL_NAME_WORKER=gpt-4o-mini
REDIS_URL=redis://localhost:6379/0
```
### 3. 启动扫描
```bash
python main.py
```
## 📊 数据存储
漏洞结果和 Agent 日志将存储在 `data/webagent.db` 中。您可以通过项目名称查询特定的扫描记录。
---
**免责声明**：本工具仅用于授权的安全测试与教学研究，严禁用于任何非法的网络攻击活动。使用者需自行承担因使用本工具而产生的一切法律责任。
