ARTEX双图架构深度解析:资产图+探索图如何支撑AI自主渗透的全局决策
ARTEX双图架构深度解析:资产图+探索图如何支撑AI自主渗透的全局决策
ARTEX 是一个 AI 自主渗透测试平台,它的核心创新是「双图架构」:全局共享的资产图(Asset Graph)与任务私有的探索图(Exploration Graph)。前者记录"目标长什么样",后者记录"我们想到哪一步了"。本文用通俗的方式拆解这两张图如何协同,让 AI 在渗透测试中始终拥有全局视野,做出不重复、不遗漏、能收敛的自主决策。
为什么单张图不够:AI 渗透的"记忆"难题
让大模型自主渗透,最大的障碍不是攻击能力,而是记忆。模型上下文有限,任务一长就会:
- 忘了自己测过什么,重复扫描同一个端口;
- 丢了"为什么派这个任务"的来龙去脉,方向互相打架;
- 无法判断"整体完成度",不知道何时该收手。
ARTEX 的解法是把两类记忆分开存放:
| 维度 | 资产图 | 探索图 |
|---|---|---|
| 回答的问题 | 目标里有什么? | 我们探索到哪了? |
| 数据范围 | 全局共享,多任务同一份 | 任务私有,每个任务一张 |
| 典型节点 | 域名 / IP / 子域 / 站点 / 端点 | 意图 / 事实 / 发现 / 目标 |
| 变化频率 | 低频(资产被探测、归并) | 高频(每轮探索都在长) |
资产图:全局共享的"目标地图"
资产图存储在 db/schema.sql 定义的 assets 表中,按类型分层组织:root_domain(根域名)→ subdomain(子域)/ ip → app(应用指纹)/ service(站点服务)→ endpoint(具体接口)。每个资产都带着丰富属性:绑定域名、开放端口、ICP、技术栈、认证方式、参数列表等。
它"全局共享"意味着:多个任务测同一个目标时,共用同一份资产地图。任务 A 探测出的新子域,任务 B 立刻可见。这带来两个关键价值:
- 覆盖度可量化。系统能精确算出"范围内有 120 个端点,已测 87 个",AI 规划器据此判断目标是否达成,而不是凭感觉收尾;
- 探索天然去重。新意图必须声明它覆盖哪些资产(
asset_ids),规划器看到某方向已被排队意图覆盖就不会重复派发。
Web 端的「资产同步」功能还支持从 ScopeSentry 一键导入域名/子域/IP/端口/站点/端点,直接并入资产图供 Agent 探索使用。
探索图:任务私有的"决策血缘"
探索图由 exploration_nodes + exploration_edges 两张表构成(见 db/exploration.go),节点有 6 种类型(定义在 db/constants.go):
- goal:任务目标(如"拿到后台权限")
- intent:探索方向,由规划器生成(如"测试 /upload 接口的文件上传限制")
- fact:Worker 的执行结论,包含否定结果("该端口关闭"也是事实)
- finding:确认的漏洞,与 fact 严格区分
- hint:人类或主 Agent 挂到图上的战略提示
- digest:冷节点压缩摘要(下文详述)
边表达因果血缘:intent --yields--> fact(意图产出事实)、fact --derived_from--> intent(新方向由哪些事实综合得出)、intent --spawns--> ...(派生)。
这个设计最妙的地方在于:每条意图都携带 parents(我从哪来)和 yields(我产出了什么)。规划器每次被唤醒看到的不是平铺的任务列表,而是一棵有因果关系的决策树——它能精确回答"哪些事实还没被利用""哪条方向已经死路、该换打法"。
双图如何协同驱动每一轮决策
ARTEX 的规划器(Planner)采用"图一变就唤醒"的机制。每轮规划开始时,系统通过 agent/tools.go 中的 graphOverviewData() 预取一份态势快照(graph_overview),同时聚合两张图的关键信息:
【本轮态势】
├─ goals + 状态 ← 探索图
├─ open/running 意图 ← 探索图(含 parents/yields 血缘)
├─ recent_facts 新事实 ← 探索图
├─ 资产计数 / coverage ← 资产图(覆盖度百分比)
└─ sites_without_endpoints ← 资产图(无接口的站点=待探方向)
规划器据此执行一套克制的决策流程(提示词在 agent/planner.go):
- 判目标:某目标已被事实证明 → 调
prove_goal标记达成,逐个标记完即收官; - 查重:新方向与 open/running/recent_done 意图逐一比对,换措辞重复派是"严重错误";
- 看血缘:多个事实能综合出新方向才派,否定事实先查证据再决定复核;
- 派意图:一次批量提交最多 4 个最高价值方向,声明
asset_ids(连入资产图)和parent_ids(连入探索图)。
深度优先于覆盖度是内置原则:发现高价值入口(可能通向 RCE)时,优先"往深打穿",而不是为拉平覆盖度去浅测铺开。
冷图压缩:让决策树永远不超载
探索图只会越长越大,ARTEX 用一套"冷热分区 + 无损压缩"算法(agent/coldgraph.go)解决:
- 热节点:能"下游到达"某个活跃意图的祖先链全部保持热——只要分支还活着,整条因果链就保留完整细节;
- 冷节点:已终结且连续 6 轮无活动的 fact/intent 才允许折叠(保守防抖,避免刚变冷就被压缩);
- 折叠:连通的一片冷节点打包成一个
digest摘要节点,covers边保证可按 id 无损还原,成员内容一变即失效缓存重新压缩。
效果是:规划器每轮看到的是"活跃分支全细节 + 历史分支一段摘要"的紧凑态势,上下文永不爆,且历史决策依据随时可追溯。
人在环路与全局可观测性
双图架构还给"人类监督"留了完整接口:
- 对话干预:通过 agent/chat.go 的人在环对话,主 Agent 可向探索图注入 hint(战略提示),规划器每轮必读;
- 可视化:探索链路图、资产覆盖图、发现列表都直接渲染自两张图的数据,决策透明可审计;
- 流量证据:流量代理与发现绑定,漏洞结论可回放原始请求(见 docs/漏洞流量证据.md)。
小结
ARTEX 双图架构的本质,是把"世界状态"和"认知状态"分开建模:
- 资产图是客观世界的镜像,全局共享、可量化,解决"测到哪、还差多少";
- 探索图是主观推理的血缘,任务私有、因果完整,解决"为什么这么测、下一步测什么";
- 冷图压缩保证认知状态无限生长时依然紧凑可读。
三件事合起来,AI 在长任务中始终"记得住、不重复、能收敛"——这正是自主渗透从 Demo 走向可用的关键一步。





