Autumn-27/ARTEX

▲ 760 stars today★ 1,306⑂ 200

AI 自主渗透测试系统 | 百度“agent+”攻防挑战赛冠军项目

About Autumn-27/ARTEX

Autumn-27/ARTEX is an open-source project on GitHub, mainly written in Go. AI 自主渗透测试系统 | 百度“agent+”攻防挑战赛冠军项目 It currently holds 1,306 stars and 200 forks with 0 open issues, and was last pushed on an unknown date (repository created unknown).

Project Overview

AI Homed tracks it on the Today's Trending board.

GitHub Repository Details

Repository Autumn-27/ARTEX · default branch - · size 0 KB · watchers 0 · source: GitHub REST API and repository README

README

ARTEX

AI 自主渗透测试系统(Go 后端 + Next.js 前端)

🌐 在线 Demo: https://artex-demo.vercel.app/

---

截图预览

完整交互见在线 Demo。

| 仪表盘(总览 / Token 消耗 / 活动流) | 任务列表 | | :---: | :---: | | 仪表盘 | 任务 |

| 任务 · 执行过程(会话 / 工具调用) | 探索链路 | | :---: | :---: | | 执行过程 | 探索链路 |

| 发现 | 资产 | | :---: | :---: | | 发现 | 资产 |

| 资产覆盖图(力导向布局 · 已测高亮 · 节点折叠展开) | | :---: | | 资产覆盖图 |

| 流量录制 | 人在环路对话 | | :---: | :---: | | 流量 | 对话 |

| Agent 管理 | LLM 配置 | | :---: | :---: | | Agent | LLM |

| 拦截审批 | 后端日志 | | :---: | :---: | | 拦截 | 日志 |

---

审批记录详情

全局「审批记录」、任务内「拦截审批」及对话中的审批卡片均支持展开查看详情。展示结构参考 AegisHook 的审批详情组件,沿用 ARTEX 的组件和主题:

资产同步(ScopeSentry)

支持从 ScopeSentry 直接同步资产数据,免去重复收集:

---

安装

依赖数据库 PostgreSQL;探索需配置 LLM(ANTHROPIC_API_KEY 或 OPENAI_API_KEY,也可在 UI 里配)。

方式一:一键安装脚本(推荐)

git clone https://github.com/Autumn-27/ARTEX.git
cd ARTEX
./install.sh

脚本会:检测 / 自动安装 Docker → 让你选 ① 全部 Docker 或 ② 本地编译运行:

装好后打开 http://localhost:8787(首次进入 /setup 设置管理员密码)。

方式二:Docker Compose(手动)

git clone https://github.com/Autumn-27/ARTEX.git
cd ARTEX
cp .env.example .env          # 填 POSTGRES_PASSWORD、可选 ANTHROPIC_API_KEY
docker compose up -d          # 拉取 autumn27/artex 镜像 + postgres

→ http://localhost:8787

镜像已含常用工具(ripgrep/curl/vim/npm/nmap…);./skills 与 ./data 以绑定挂载持久化。

远程 MCP 可在系统设置中选择 http(Streamable HTTP)或 sse(旧版 SSE)。 旧版 SSE 服务通常使用 GET /sse 建立事件流,再通过服务返回的 /message?sessionId=... 接收 JSON-RPC 请求;配置时将 URL 填为 /sse,请求头按 Authorization=Bearer 填写。

方式三:下载预编译二进制(Releases)

到 Releases 下载对应平台的 zip,解压后得到 artex + start.sh(Windows 为 start.bat)+ skills/ + config.example.json:

cp config.example.json config.json   # 填好 database 连接
./start.sh                           # → http://localhost:8787
请用 start.sh / start.bat 启动,而不是直接跑 ./artex。它是个守护脚本:程序退出后按退出码决定是否重新拉起,页面上的一键更新靠它完成换装。直接运行 ./artex 时更新完就不会被拉起了。
后台常驻:nohup ./start.sh >artex.log 2>&1 &。

方式四:从源码编译单二进制

# 1) 前端静态导出
cd web && npm ci && npm run build:static && cd ..

2) 拷进内嵌目录

cp -r web/out server/webui/dist

3) 编译(-tags embedui 才内嵌前端)

CGO_ENABLED=0 go build -tags embedui -o artex ./cmd/artex ./start.sh

方式五:构建跨平台 Release 压缩包

build.sh 会先构建并嵌入前端,再使用 Go linker 去除调试信息,并将发布文件压缩为 zip。Release 模式默认生成 Linux amd64/arm64、macOS amd64/arm64 和 Windows amd64 的 zip 包:

./build.sh --release

产物:dist/artex-0.3.3-*.zip

UPX 自解压二进制可能与部分 Linux 内核、虚拟化环境或安全策略不兼容,因此默认不启用。可用 ARTEX_TARGETS 自定义目标;确认目标运行环境兼容时,可显式传入 --upx 进一步缩小二进制:

ARTEX_TARGETS=linux/amd64,windows/amd64 ./build.sh --release
./build.sh --target linux/amd64 --upx

---

更新升级

升级只换程序、不动数据:Postgres 数据卷 pgdata、./data(jwt.key / SQLite 等)、./skills 都会保留。数据库迁移无需手动执行——artex 每次启动会幂等重跑 schema.sql(含 ADD COLUMN / CREATE INDEX IF NOT EXISTS),即“重启即迁移”。升级前仍建议先备份 ./data 与数据库。

方式一:页面一键更新(推荐)

在 系统配置 页(侧边栏「系统配置」→ /system/settings)的版本与更新卡片里,可以直接检查并安装新版本,无需登录服务器。

点「更新」后:下载当前平台的发布包 → 比对 Release 的 SHA256SUMS → 用 -h 冒烟测试新二进制 → 暂存为 artex.new → 程序退出,由 start.sh / start.bat 重新拉起并完成换装。页面会自动等到新版本上线后刷新。

方式二:一键更新脚本

cd ARTEX
./update.sh

脚本先可选 git pull 拉取最新代码,再让你选 ① Docker 更新 或 ② 本地编译更新(与 install.sh 对应):

方式三:Docker Compose(手动)

cd ARTEX
git pull                       # 更新 compose / 脚本(可选)

指定版本:在 .env 设 ARTEX_TAG=v0.2.0;不设则用 latest

docker compose pull artex docker compose up -d artex # 换新镜像重启 → 自动迁移 schema docker image prune -f # 清理旧镜像(可选)

方式四:预编译二进制(Releases)

到 Releases 下载新版本 zip,停掉旧进程后覆盖 artex 与 skills/(保留你的 config.json 与 data/),重启即可:

cp -r <解压目录>/skills ./ && cp <解压目录>/artex ./
./start.sh

方式五:从源码编译

git pull
cd web && npm ci && npm run build:static && cd ..
cp -r web/out server/webui/dist
CGO_ENABLED=0 go build -tags embedui -o artex ./cmd/artex

重启 ./start.sh

---

配置

数据库(config.json,或用环境变量 ARTEX_PG_DSN 覆盖):

{
  "database": {
    "host": "127.0.0.1", "port": 5432,
    "user": "artex", "password": "yourpass",
    "dbname": "artex", "sslmode": "disable"
  }
}

LLM:export ANTHROPIC_API_KEY=sk-...(或 OPENAI_API_KEY),也可在 UI 的「LLM 配置」页填写。 可选:ARTEX_LLM_PROVIDER / ARTEX_LLM_MODEL / ARTEX_LLM_BASE_URL / ARTEX_LLM_PROXY。

并发:每个任务的 work agent 数在「系统设置」里配置(默认 3)。

常用参数:./start.sh -addr :8787 -proxy :8788(-addr 前端+API,-proxy 流量录制代理)。启动脚本会把参数原样透传给 artex。

---

开发

手动漏洞复测

任务详情的「复测」页签可分页选择本任务的漏洞、查看历次结论和证据,并手动发起复测。启动后保留当前页签,显示转圈图标和「复测中」;确认修复后同步更新漏洞状态。

在漏洞列表每行操作区点击「复测」,或在漏洞详情的「漏洞复测」区域点击「发起复测」,填写可选的修复版本、测试条件或限制,系统会创建独立的复测 Agent 会话,启动后保留当前页面。列表的平铺、按任务分组和资产视图均支持该入口;复测运行时显示转圈图标和「复测中」,需要查看时点击进入对应会话,结束后恢复「复测」。复测无需重新启动原扫描任务,结论分为「仍可复现」「已修复」「无法确认」,每次的结论、证据和会话链接保存在漏洞详情中。

新版后端首次启动会预置可编辑的「漏洞复测」(retester)Agent,可在 Agent 管理中配置提示词、LLM、运行预算和工具。默认使用其绑定的 LLM,未绑定则使用全局激活配置。复测会话成功完成且结论为「已修复」时,系统自动将漏洞处置状态改为「已修复」;执行中、失败、停止或其他结论保留原状态。原始证据和报告始终保留。也可在状态下拉菜单中手动选择「已修复」。同一漏洞正在复测时复用已有会话,停止、失败或服务重启后可重新发起。

本版历史记录通过漏洞详情和会话查看,暂未纳入漏洞报告导出或任务归档包,也未自动关联流量包。演示模式只生成明确标注的模拟记录,不请求真实目标。

本地运行与测试

./dev.sh    # 后端(:8787) + 流量代理(:8788) + 前端 next dev(:5173) → http://localhost:5173
---

系统技术架构

ARTEX 是一套 LLM 多 agent 驱动的自主渗透系统:Go 单体后端(内嵌 Next.js 前端)+ PostgreSQL,agent 能力由 norma SDK 提供(agentcore / tool / permission / harness / memory / transcript)。核心是双图架构,以及围绕它的两条自主性机制:worker 间过程级信息交换与 planner 多轮共享 todolist 稳定攻击链路。

总体分层

flowchart TB
  subgraph FE["前端 Next.js(go:embed 内嵌单二进制)"]
    UI["仪表盘 · 任务 · 资产 · 覆盖图 · 流量 · 工作空间 · 系统配置"]
  end
  subgraph SRV["server(Go net/http)"]
    API["REST /api/* JWT 鉴权 SSE"]
    ENG["engine 调度循环"]
    MGR["Manager 任务/引擎/store 生命周期"]
  end
  subgraph AG["agent(norma SDK)"]
    GO["goals 目标分解 + 提取范围"]
    PL["planner 规划者(唯一意图生成者)"]
    WK["worker 执行者 ×N"]
    MA["mainagent 人在环路"]
  end
  subgraph DB["PostgreSQL"]
    AGRAPH["资产图 assets / companies / task_scope"]
    EGRAPH["探索图 exploration_nodes / anchors / activity"]
  end
  subgraph SUB["支撑子系统"]
    PROXY["流量记录代理 MITM + CA 留痕"]
    GUARD["guard / intercept 工具审批门"]
    ENR["enrich DNS / HTTP 异步补全"]
    EXT["MCP · skills · memory · report"]
  end

UI -->|HTTP| API API --> MGR --> ENG ENG --> PL ENG --> WK API --> MA API --> GO PL --> DB WK --> DB MA --> DB GO --> DB WK -->|"Bash / HTTP 全程留痕"| PROXY WK --> GUARD WK --> ENR PL -.-> EXT WK -.-> EXT MA -.-> EXT

| 层 | 职责 | | --- | --- | | 前端 | Next.js 静态导出,go:embed 内嵌进单二进制;可视化任务/资产/探索链路/覆盖图,人在环路对话 | | server | net/http 路由 + JWT 鉴权 + SSE;Manager 托管任务、引擎、DB store 的生命周期 | | engine | 每任务一个 plannerLoop + N 个 worker goroutine;意图领取、超时/暂停/drain | | agent | goals / planner / worker / mainagent,ToolSet 把双图暴露成 LLM 工具 | | db | 双图的 Postgres 落地(pgx);schema 随 go:embed 每次启动幂等建表 | | 支撑 | 记录型 MITM 代理、审批门、异步补全、MCP/技能/记忆/报告 |

双图架构:探索图 + 资产图

系统把「目标是什么」和「测到了什么程度」拆成两张相互独立、又通过锚点相连的图:

flowchart LR
  subgraph EG["探索图(每任务独立 · 推进链)"]
    direction TB
    G["goal 目标"]
    I1["intent 意图 A"]
    F1["fact 事实"]
    I2["intent 意图 B"]
    FD["finding 漏洞"]
    G -->|spawns| I1
    I1 -->|yields| F1
    F1 -->|derived_from| I2
    I2 -->|proves| FD
  end
  subgraph AG["资产图(全局共享 · 真值库)"]
    direction TB
    RD["root_domain"]
    SD["subdomain"]
    SV["service"]
    EP["endpoint"]
    RD --> SD --> SV --> EP
  end
  I1 -. anchor .-> SD
  F1 -. anchor .-> SV
  I2 -. anchor .-> EP
  FD -. anchor .-> EP

分工:planner 读探索图态势、判目标、只在有未覆盖的新方向时派意图进 frontier;worker 领一条意图、用真实工具执行、把新资产/事实/漏洞写回两图后即停。资产图是共享事实,探索图是每任务的推进链。

引擎与意图生命周期(一次探索的闭环)

引擎是事件驱动的闭环:图一变就唤醒 planner,planner 派意图,worker 领意图执行并写回,写回又触发下一轮——直到目标被证明(prove_goal)。

sequenceDiagram
  autonumber
  participant EV as 图变更 debounce
  participant P as planner
  participant FR as frontier 意图队列
  participant W as worker
  participant PX as 记录代理
  participant DB as 双图 + activity

EV-->>P: 唤醒 P->>DB: 读态势(graph_overview 预取 + coverage/scope) P->>FR: 派 0..N 个意图(带 asset_ids) Note over P,FR: 大多数唤醒派 0 个——无新方向即结束 W->>FR: claimNext 领一条意图 W->>DB: 取意图 asset_ids 的原始资产作为初始信息 W->>PX: 真实工具执行(Kali / Bash / HTTP) PX-->>W: 响应(全程留痕 + CA 验证) W->>DB: 写回 fact / asset / finding + 每步 activity DB-->>EV: 图变更 EV-->>P: 再次唤醒(闭环)

worker 间的过程级信息交换

一次深入的探索里,很多有价值的观察(某个报错、某段响应、某个隐藏参数)出现在一个 worker 的执行过程中,却未必被写成正式 fact。为避免重复劳动、让链路上的 worker 能站在彼此的肩膀上,worker 具备跨 work 检索过程的能力:

这样即便探索图上还没有对应的 fact,后续 worker 也能复用他人过程中的观察——信息在 worker 之间以“执行过程”为粒度流动,而边界不变(每个 worker 仍只做自己领到的那条意图)。

flowchart LR
  WA["worker A(意图 #12)"] -->|"每步 activity"| ACT[("探索图 · activity 过程库")]
  WB["worker B(意图 #34)"] -->|"每步 activity"| ACT
  WC["worker C(意图 #56)"] ==>|"1) search_all_worker_traces(q)"| ACT
  ACT ==>|"2) 命中 A/B 的步骤(排除自己)"| WC
  WC ==>|"3) get_worker_trace(id, step_ids)"| ACT
  ACT ==>|"4) 返回完整过程内容"| WC

planner 多轮共享 todolist → 稳定的攻击链路

真实攻击链往往是有前后依赖的多步序列(如:发现注入点 → 拿到凭据 → 横向 → 提权),一次性把这些并行派下去只会乱套。planner 因此持有一份按任务保留、跨唤醒共享的规划待办(todolist):

flowchart TB
  subgraph TODO["共享 todolist(按任务保留 · 跨唤醒常驻)"]
    direction LR
    T1["1 注入点 [已完成]"]
    T2["2 取凭据 [进行中]"]
    T3["3 横向 [待前置]"]
    T4["4 提权 [待前置]"]
    T1 -.前置满足.-> T2 -.-> T3 -.-> T4
  end
  R1["第 1 轮唤醒 派意图①"] --> T1
  R2["第 2 轮(①产出 fact) 派意图②"] --> T2
  R3["第 3 轮(②产出 fact) 派意图③"] --> T3

于是攻击链在“事件驱动 + 无状态会话”的环境下依然稳定推进、不重复、不错序——这是 ARTEX 能自主走完多步利用链的关键。

---

交流群

扫码关注微信公众号 SecSentry,在公众号后台私信即可入群交流。

https://github.com/Autumn-27/ARTEX/blob/HEAD/微信公众号 SecSentry

---

参考

https://github.com/oritera/Cairn

许可与免责声明

开源协议

本项目采用 GNU Affero General Public License v3.0(AGPL-3.0) 授权,完整条款见仓库根目录的 LICENSE 文件。

这意味着任何人都可以自由使用、修改和分发本项目,但衍生作品必须同样以 AGPL-3.0 开源;特别地,若你修改本项目并通过网络(如部署为在线服务)向用户提供,也必须向这些用户公开对应的完整源码。

⚠️ 重要提示:开源协议本身不限制软件的使用用途。以下的「使用限制」与「免责声明」是作者对使用者的额外约定与郑重声明,请务必遵守。

ARTEX 仅供个人学习、代码研究与本地技术验证使用,不得用于对任何线上系统或网站发起实际测试。

允许使用范围

禁止事项

合规责任

使用者须自行遵守所在国家/地区关于网络安全、数据保护与计算机犯罪的全部法律法规(在中国大陆包括但不限于《网络安全法》《数据安全法》《个人信息保护法》及相关司法解释)。因使用本工具产生的一切法律责任与后果,均由使用者自行承担。

免责声明

本项目按“现状(AS IS)”提供,不附带任何明示或默示的担保。作者及贡献者不对使用本工具(无论使用方式是否得当)所导致的任何直接或间接损失、数据丢失、系统损坏或法律纠纷承担责任。下载、安装或使用本项目,即表示你已阅读、理解并同意上述全部条款。

GitHub Stars & Activity

1,306Stars
200Forks
0Open issues
GoLanguage

GitHub Popularity

GitHub stars1,306
Forks200
Open issues0
Primary languageGo
License-
Stars gained today760
Created-
Last pushed-

Trending History

Monthly boardrank #65 · ▲ 760 stars

Related AI Projects

1

infiniflow / ragflow

Go★ 91,554⑂ 10,871▲ 52 stars
→
2

QuantumNous / new-api

Go★ 49,148⑂ 11,809▲ 76 stars
→
3

gastownhall / beads

Go★ 27,545⑂ 1,872▲ 38 stars
→
4

googleapis / mcp-toolbox

Go★ 16,541⑂ 1,745▲ 31 stars
→
5

Gaurav-Gosain / tuios

Go★ 4,406⑂ 192▲ 113 stars
→
6

openclaw / openclaw

TypeScript★ 390,939⑂ 82,214▲ 136 stars
→
7

obra / superpowers

Shell★ 293,410⑂ 26,254▲ 588 stars
→
8

mattpocock / skills

Shell★ 272,865⑂ 22,953▲ 908 stars
→

More AI Rankings