Opengovernment（智慧城市） v0.0.3 攻防一体的智能体主动网络安全平台：ActiveCybersecurity v0.2

------ 从 LLM 驱动主动防御，到"合法反制"智能体，再到 IPP 统一协议架构

当一个安全平台既能让 AI Agent 像安全专家一样审计你的系统，又能对已确认的攻击者执行"只打自己家"的合法反制，它就不再是传统意义的 EDR，而是一个攻防一体的主动网络防御平台。

参考：OpenGovernment v0.0.2 AI Agent 驱动的下一代主动网络防御平台：当大语言模型成为你的安全专家

📖 目录

[1. 引言：从"会防御"到"会反击"](#1. 引言：从"会防御"到"会反击")
[2. 平台总览：三个服务 · 三层防御 · 一个进攻翼](#2. 平台总览：三个服务 · 三层防御 · 一个进攻翼)
[3. 核心架构（一）：IPP 信息处理协议 ------ 统一一切组件的抽象内核](#3. 核心架构（一）：IPP 信息处理协议 —— 统一一切组件的抽象内核)
[4. 核心架构（二）：去中心化数据库与进程级隔离](#4. 核心架构（二）：去中心化数据库与进程级隔离)
[5. 更新的主动防御模块（v0.2）：从规则引擎到 AI 专家](#5. 更新的主动防御模块（v0.2）：从规则引擎到 AI 专家)
[6. 主动进攻模块（v0.2 核心新增）：合法主动防御的智能体化](#6. 主动进攻模块（v0.2 核心新增）：合法主动防御的智能体化)
[7. 流式 Agent 对话：ChatGPT 式的实时推理过程](#7. 流式 Agent 对话：ChatGPT 式的实时推理过程)
[8. 实战演示：从发现到反制的攻防全流程](#8. 实战演示：从发现到反制的攻防全流程)
[9. 工程合规：许可策略与安全边界](#9. 工程合规：许可策略与安全边界)
[10. 演进路线与未来展望](#10. 演进路线与未来展望)
[11. 总结](#11. 总结)

1. 引言：从"会防御"到"会反击"

在过去一年多里，我们见证了 AI Agent 在网络安全领域的两条演进主线：

复制代码

第一代（2026-07 之前）：被动防御
  数据采集 → 硬编码规则匹配 → 告警 → 人工研判 → 人工处置

第二代（2026-07）：LLM 驱动的主动防御
  数据采集 → AI Agent 自主分析 → LLM 研判误报 → 深度取证

第三代（2026-08，v0.2）：攻防一体
  防御发现 → LLM 确认攻击者 → 合法反制智能体执行反击
  （封禁、沉洞、滥用举报、蜜罐拖延）+ 全过程审计留证

ActiveCybersecurity 平台在 v0.1 系列完成了"三层递进式 AI 防御体系"（标准检查 → Agentic 深度审计 → 高级取证），并在 v0.2 系列实现了一次架构级的跃迁：

v0.2 新增/升级	具体内容
⚔️ 主动进攻翼	`agentic_offense`（Strike 反制智能体）+ `cyberoffensetools`（反制工具箱 + 进攻门户）
🧬 IPP 统一框架	全新 `ipp/` 包：MCP / ACP / KGP / RP 四个对等协议，统一一切组件
🗄️ 去中心化数据库	SQLite 独立进程 + WAL + 线程局部读连接，8 读 + 4 写并发压测零错误
🖥️ 去中心化层	每一层检查都在独立子进程中运行，互不阻塞
💬 流式 Agent 对话	前端实时渲染"思考 → 工具调用 → 最终结论"的完整过程
🤖 双 Agent 体系	Aegis（防御，read-only）+ Strike（进攻，合法反制）

本文将以源码级视角，重点拆解主动进攻模块 的设计与实现，同时回顾更新后的主动防御模块 ，最后剖析把两者粘合在一起的平台架构（IPP 协议框架 + 去中心化数据库 + 三服务 UI 拓扑）。

2. 平台总览：三个服务 · 三层防御 · 一个进攻翼

python run_ui.py 一条命令即可启动整个平台，它实际拉起 3 个服务：

服务	地址	角色
🛡️ 防御仪表盘	`http://127.0.0.1:8765`	主 SPA------三层防御、Agentic 对话、统一发现表
⚔️ 进攻门户	`http://127.0.0.2:8766`	反制门户（注意是 127.0.0.2 回环地址，与防御侧隔离）
🗄️ 数据库服务器	`http://127.0.0.1:8767`	独立进程的 SQLite（WAL、JSON-RPC、自动拉起）

#mermaid-svg-IuDN2yGyY6Jwb0Ld{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-IuDN2yGyY6Jwb0Ld .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .error-icon{fill:#552222;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .marker{fill:#333333;stroke:#333333;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .marker.cross{stroke:#333333;}#mermaid-svg-IuDN2yGyY6Jwb0Ld svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-IuDN2yGyY6Jwb0Ld p{margin:0;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .cluster-label text{fill:#333;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .cluster-label span{color:#333;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .cluster-label span p{background-color:transparent;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .label text,#mermaid-svg-IuDN2yGyY6Jwb0Ld span{fill:#333;color:#333;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .node rect,#mermaid-svg-IuDN2yGyY6Jwb0Ld .node circle,#mermaid-svg-IuDN2yGyY6Jwb0Ld .node ellipse,#mermaid-svg-IuDN2yGyY6Jwb0Ld .node polygon,#mermaid-svg-IuDN2yGyY6Jwb0Ld .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .rough-node .label text,#mermaid-svg-IuDN2yGyY6Jwb0Ld .node .label text,#mermaid-svg-IuDN2yGyY6Jwb0Ld .image-shape .label,#mermaid-svg-IuDN2yGyY6Jwb0Ld .icon-shape .label{text-anchor:middle;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .rough-node .label,#mermaid-svg-IuDN2yGyY6Jwb0Ld .node .label,#mermaid-svg-IuDN2yGyY6Jwb0Ld .image-shape .label,#mermaid-svg-IuDN2yGyY6Jwb0Ld .icon-shape .label{text-align:center;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .node.clickable{cursor:pointer;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .arrowheadPath{fill:#333333;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-IuDN2yGyY6Jwb0Ld .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-IuDN2yGyY6Jwb0Ld .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-IuDN2yGyY6Jwb0Ld .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .cluster text{fill:#333;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .cluster span{color:#333;}#mermaid-svg-IuDN2yGyY6Jwb0Ld div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-IuDN2yGyY6Jwb0Ld rect.text{fill:none;stroke-width:0;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .icon-shape,#mermaid-svg-IuDN2yGyY6Jwb0Ld .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .icon-shape p,#mermaid-svg-IuDN2yGyY6Jwb0Ld .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .icon-shape .label rect,#mermaid-svg-IuDN2yGyY6Jwb0Ld .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-IuDN2yGyY6Jwb0Ld .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-IuDN2yGyY6Jwb0Ld .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-IuDN2yGyY6Jwb0Ld :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 🧬 ipp/ 框架 (v0.2)
⚔️ 主动进攻
🛡️ 主动防御 (三层递进)
🖥️ run_ui.py (Process 1 · ThreadingHTTPServer)
🛡️ 防御仪表盘 :8765

系统头/风险条/行动卡/Agentic对话/发现表
⚔️ 进攻门户 iframe :8766

(Strike Console / 目标表 / 审计日志)
💬 Agentic Chat /api/agent/*
Tier 1 standard_check

5 层快速扫描 ~2min · L1
Tier 2 agentic_check

9 层 + LLM 审查 ~5min · L2
Tier 3 advanced_check

8 取证模块 ~10min · L3
cyberoffensetools

StrikeEngine + 5 工具
agentic_offense

Strike Agent · 15 武器
ToolRegistry (MCP)

4 阶段管线
AgentRegistry (ACP)

defense / offense
KnowledgeGraphAPI (KGP)

攻防共享知识图谱
ReferenceManager (RP)

威胁情报引用
HookSystem · 9 生命周期事件
🗄️ database/server.py

Process 2 · :8767 · SQLite WAL

平台的核心设计哲学可以总结为三句话：

一切皆 IPP ------工具、智能体、知识图谱、数据库、甚至防御检查层，都被建模为统一的信息变换 IPP = (Input, Compute, Output)；
一切皆独立进程------数据库、每个检查层、每个工具脚本都拥有自己的进程，天然免疫单点故障；
攻防共享一张图------防御层确认的攻击者、进攻层执行的反制动作，全部沉淀到同一个知识图谱（KGP）与审计日志中，形成完整证据链。

3. 核心架构（一）：IPP 信息处理协议 ------ 统一一切组件的抽象内核

详见：本地 AI 编程智能体的自洽架构：Codex Local 中信息处理协议（IPP）统一框架的设计与实现

3.1 IPP = (Input, Compute, Output) 与组合闭包

IPP 将平台上每一个计算单元（LLM Provider、Agent 引擎、工具、知识图谱、参考库）抽象为纯信息变换：

python 复制代码

@dataclass
class IPPInput:
    payload: Any = None
    meta: Dict[str, Any] = field(default_factory=dict)

@dataclass
class IPPOutput:
    ok: bool = True
    payload: Any = None
    error: Optional[str] = None
    meta: Dict[str, Any] = field(default_factory=dict)

class IPP(abc.ABC, Generic[I, O]):
    @abc.abstractmethod
    def compute(self, inp: IPPInput) -> IPPOutput: ...
    def __call__(self, inp):        # 异常隔离包装
        try:
            return self.compute(inp)
        except Exception as e:
            return IPPOutput.fail(str(e))

术语辨析 ：这里的 "Protocol" 更接近"处理规程"（SOP），而非通信协议。IPP 描述的是信息如何被接收、变换和产出 ------至于内部是本地函数、LLM 推理还是远程 RPC，都只是 compute() 的不同实现。

这一抽象最重要的性质是组合闭包（Compositional Closure） ：若 A、B 都是 IPP，则 B ∘ A 也是 IPP。代码中通过运算符重载实现：

python 复制代码

def __rshift__(self, other): return compose(self, other)   # A >> B == B∘A

class Composition(IPP):
    def compute(self, inp):
        mid = self.first(inp)
        if not mid.ok:
            return IPPOutput.fail(...)   # 中间失败即短路，不污染下游
        return self.second(IPPInput(payload=mid.payload, meta=mid.meta))

任意深度的管道（agent → tool → knowledge-graph → reference）都保持同一抽象 ，且每一级都有异常隔离------某级崩溃只会返回 IPPOutput.fail，不会中断整体流程。

3.2 对等协议生态：MCP / ACP / KGP / RP

ipp/ 框架内实现了四个彼此独立、地位对等的协议，全部都是完整的 IPP 实例：

协议	位置	角色	关键能力
MCP	`ipp/registries.py`	工具发现与调度	`ToolRegistry`：按模型分发、JSON Schema 下发、4 阶段执行管线
ACP	`ipp/agent.py`	多智能体注册与协作	`AgentRegistry`：能力卡片发现、子智能体生命周期
KGP	`ipp/knowledge.py`	知识图谱协议	CRUD + BFS 遍历 + 全文搜索 + JSON 持久化
RP	`ipp/reference.py`	威胁情报引用库	search → store → tag → export（JSON / BibTeX）

ACP 的能力卡片 是智能体协作的关键------内部状态对协作者保持不透明（opaque），只暴露 AgentInfo：

python 复制代码

@dataclass
class AgentInfo:
    engine_id: str        # "defense" / "offense"
    name: str             # "Codex (ActiveCyberDefense)" / "Strike (ActiveCyberOffense)"
    description: str
    capabilities: List[str]  # 能力声明，如 ["defense","audit","llm-review","codex-tools"]
    model: str
    registered_at: str

平台启动时，两个智能体通过副作用注册进入同一个 ACP 注册中心：

🛡️ Aegis （防御）：engine_id="defense"，capabilities 含 defense / audit / llm-review / codex-tools
⚔️ Strike （进攻）：engine_id="offense"，capabilities 含 offense / counter-strike / powershell / block / sinkhole / report / enrich / tarpit

复制代码

attacker (85.203.45.37) ──attacked──▶ host (MSI)
    ├──uses──▶ technique (T1110 Brute Force)
    └──resolved_to──▶ domain (evil.example.com)

攻防双方共享同一张图 ：防御层写入 finding:network:conn:85.203.45.37、attacker:85.203.45.37 节点，进攻层写入 agent-target:{ip}（status=attempted）与 agent-action:{tool}:{target}（ok 布尔）节点------一次攻击事件从"发现"到"反制"的全链路都被图化留证。

RP 参考协议 则是证据链的出口：Reference 携带 source（local/rdap/shodan/greynoise/abuseipdb/user）与 kind（evidence/technique/report/intel），既能导出 database/references.json，还能生成 BibTeX 格式的 references.bib------滥用报告中的每一条证据都有引用来源。

3.3 四阶段工具管线：resolve → validate → prepare → invoke

所有工具（无论防御还是进攻）都经由统一的 4 阶段生命周期执行：

复制代码

args ─▶ resolve ─▶ validate ─▶ prepare ─▶ invoke ─▶ ToolResult
          │           │           │          │
       修复参数     Schema错误   审批闸门    副作用执行
       (幂等)      (结构化)    (危险操作)    (隔离)

resolve：参数归一化修复；
validate ：按 JSON Schema 校验，错误结构化返回（data={"validation_errors": [...]}），供 LLM 解析后自我纠正重试；
prepare ：审批闸门 ------requires_approval=True 的工具若 ctx.user_approved 为假，则返回 PreparedInvocation(approved=False, cancelled=True) 短路，支持"拒绝"与"取消"两种语义；
invoke ：执行副作用，任何异常被标记为 {tool_name} crashed: {e}。

每个阶段独立 try/except，且同步/异步双兼容 （事件循环运行中则经 ThreadPoolExecutor 提交）。防御侧的 tier_monitor（启动监控进程）、ps_execute，进攻侧的 block / sinkhole / powershell / full_strike 等危险武器都在 prepare 阶段声明了审批门。

3.4 HookSystem：9 个生命周期事件

ipp/hooks.py 定义了横切所有智能体循环的钩子系统：

事件	触发时机
`SESSION_START`	会话首条消息
`USER_PROMPT_SUBMIT`	用户消息提交
`STOP`	循环即将退出（可阻断强制继续）
`TOOL_PRE_INVOKE` / `TOOL_POST_INVOKE`	工具执行前 / 后
`SUBAGENT_START` / `SUBAGENT_STOP`	子智能体创建 / 结束
`COMPACTION`	上下文被压缩
`ERROR`	捕获异常

机制上：handler 链式执行，第一个返回 should_block=True 的 handler 立即短路 ；injected_text 逐 handler 累积注入上下文。内置的 create_content_policy_hook() 用正则检测模型拒答话术（"as an AI..."、"that would be illegal..."），在 STOP 事件阻断退出并提示模型给出有用回答。

HookSystem 是平台攻防两侧安全策略的挂载点：

🛡️ 防御侧挂 create_defense_audit_hook()（TOOL_POST_INVOKE）→ 每次工具调用写成 KGP 事实节点；
⚔️ 进攻侧挂 create_legal_boundary_hook()（STOP）→ 法律边界强制点（详见第 6 章）。

3.5 ContextSummarizer：三级渐进压缩

在 DeepSeek V4 百万级上下文之上，平台仍实现了 3 级渐进式上下文管理（ipp/context.py，token 估算优先 tiktoken cl100k_base）：

级别	触发条件	策略
L1 预防	剩余 token < 25%	把 keep_last 之前的旧工具结果截断到 300 字符
L2 压缩	截断后仍不足	`compact()`：保留 system + 最近 15 条，中间消息按角色摘要（最多 25 段）
L3 应急	`emergency=True`	keep_last 降到 8 条

关键保证：system prompt 永不删除 ------压缩只是把历史摘要追加到 system prompt 之后。防御引擎 MAX_CONTEXT=1_000_000 / 压缩阈值 200K；进攻引擎 MAX_CONTEXT=128_000。

4. 核心架构（二）：去中心化数据库与进程级隔离

4.1 独立进程 + WAL 并发模型

v0.2 最大的架构变化之一：数据库不再嵌入调用方进程，而是作为独立进程 运行（python -m database.server），通过 HTTP JSON-RPC（POST 127.0.0.1:8767/rpc）对外服务。并发模型是"四件套"：

python 复制代码

conn.execute("PRAGMA journal_mode=WAL")        # ① WAL：读写互不阻塞
conn.execute("PRAGMA busy_timeout=5000")       # ② 写锁等待上限 5s
conn.execute("PRAGMA synchronous=NORMAL")      # ③ 性能与安全折中
# ④ 线程本地读连接（N 个读线程并行）+ 共享写连接 + RLock 写串行化

操作	并发性
`get_findings` / `get_stats` / `get_full_state` / `get_monitor_status`	✅ 无锁，N 读并行
`upsert_finding` / `clear_all` / `update_system_state` / `save_monitor_status`	写串行，但 WAL 保证写期间读不受阻

压测验证（README 记录）：8 个并行读 + 4 个并行写，2.5 秒完成，0 错误。

4.2 自动拉起与统一 API

database/client.py 实现自动拉起 ：调用前探测 /health（1s 超时）→ 失败则加进程级锁二次探测 → 仍未启动则 subprocess.Popen([sys.executable, "-m", "database.server"])（Windows 下 CREATE_NO_WINDOW），随后 25 次 × 0.2s 轮询健康检查。对调用方完全透明------"数据库不存在？那就把它拉起来"。

公共 API 与旧版完全向后兼容：upsert_finding / get_findings / get_unreviewed / clear_all / get_stats / get_full_state / get_monitor_status ...，同时每次写入都会镜像导出 database/findings.json（旧代码兼容 + KGP 数据源）。

4.3 upsert 合并语义与 flag_level

数据模型三张表：findings（主键 = sha256(f"{category}:{key}")[:16]，含 severity / flag_level / status / mitre_techniques / tier_results JSON）、system_state、monitor_status。

upsert_finding 的合并语义是整个三层递进体系的支柱：

tier_results[tier] 保留每一层的快照（flag_level / severity / status / flags / detail / mitre / 时间戳）；
行级 flag_level = max(所有层的 flag_level)；
行级 status / severity / mitre 按 ["standard", "agentic", "advanced"] 倒序取最高层（高级层覆盖低级层）。

flag_level 语义：

复制代码

L1 ── 标准层规则标记（status = unreviewed）
 │
 │ Agentic 层把 L1 发给 DeepSeek V4 审查
 ▼
L2 ── LLM 判决（status = confirmed 升级 / false_positive 清除）
 │
 │ Advanced 层仅分析已确认项：进程→PE 风险分，网络→威胁情报聚合
 ▼
L3 ── 深度分析（status = escalated / confirmed）

5. 更新的主动防御模块（v0.2）：从规则引擎到 AI 专家

防御侧在 v0.2 的核心变化是：每一层检查都以独立子进程运行 （run_once.py / monitor.py），并通过 IPP 工具暴露给 Aegis 智能体，同时在 UI 上提供流式对话能力。三层体系本身依旧保持"递进式"设计。

5.1 Tier 1：标准检查（~2 分钟，flag_level=1）

5 个独立工具脚本，每个都是"JSON 进 JSON 出"的纯函数式进程：

#	工具脚本	检查内容	技术
1	`system_baseline.py`	CPU / RAM / 磁盘 / 开机时间 / 网络接口	`psutil` → `system_state` 表
2	`process_review.py`	11 个可疑进程名（mimikatz/procdump/psexec/nc...）、11 条可疑命令行正则（encodedcommand/frombase64string/downloadstring/iex...）、4 个临时目录标记	psutil + 模式匹配
3	`network_review.py`	10 个敏感监听端口（21/22/23/135/139/445/3389/5985/5986/5900）、公网远端端点、非常见端口	`psutil.net_connections()`
4	`security_posture.py`	Windows Defender 状态、3 个防火墙配置文件	PowerShell
5	`persistence_audit.py`	HKCU/HKLM 的 Run/RunOnce 四个键	`winreg`

所有异常写入 flag_level=1（status=unreviewed），等待下一层研判。

5.2 Tier 2：Agentic 深度审计 + LLM 审查（核心创新层）

Tier 2 在 v0.2 升级为 9 层结构：继承标准层全部 5 层，追加 4 个深度层：

扩展层	检查内容
L6 DLL 完整性	lsass/winlogon/svchost/explorer/csrss 关键进程存在性
L7 安全事件	Event ID 4625（24h 失败登录）/ 4720（30d 新账户）
L8 已安装程序	HKLM Uninstall 注册表，6 类关键词归类
L9 PowerShell 深潜	suspicious_ps / defender / scheduled_tasks / persistence / critical_dlls / dns_cache

LLM 审查流程（替代硬编码误报规则）：

复制代码

Standard (T1) 标记 L1 发现
        ↓
Agentic (T2) 拉取 get_unreviewed(flag_level=1)
        ↓ 每批 5 条，附带进程/网络/注册表上下文
DeepSeek V4 (deepseek-v4-pro, temperature=0.2) 审查
        ↓ 强制输出纯 JSON 数组
[{"index": 0, "status": "false_positive"|"confirmed",
  "severity": "low"|"medium"|"high", "reason": "..."}]
        ↓
数据库更新 flag_level=2（confirmed 升级 / false_positive 保留但标记）

经典案例（README 实测）：ksdeui.exe -hidden → FALSE_POSITIVE ：Kaspersky VPN 使用 -hidden 参数属合法行为。硬编码规则永远做不到这种上下文理解。

兜底策略同样工程化：LLM 未给出判定的条目一律 confirmed 升级；整个流程异常时降级到 14 条硬编码误报模式（lsass.exe / avpui.exe / crashpad_handler.exe / kaspersky / onedrive...）的 _hardcoded_review_findings()。

Aegis 智能体 （codex_agent/engine.py）是 v0.2 的明星组件------一个对标 OpenAI Codex CLI Rust 架构的生产级 Agent 引擎：

python 复制代码

class CodexEngine:
    MAX_TOOL_ROUNDS: int = 15               # 最多 15 轮工具调用
    COMPACT_THRESHOLD: int = 200_000        # 剩余 20 万 token 时自动压缩
    MAX_CONTEXT: int = 1_000_000            # DeepSeek V4 百万级上下文

23 个工具 （write_file / apply_patch 已注释禁用------只读是 Aegis 的铁律）：

类别	工具
文件/搜索	`read_file` · `list_directory` · `search_files` · `grep_search` · `view_image`
平台工具	`standard_tool`（直接跑 5 个标准层脚本）· `advanced_tool`（9 个取证脚本）· `db_query`
PowerShell	`ps_recon`（15 种只读侦查片段）· `ps_history`（审计日志）· `shell_command`（30s 超时 + 7 条破坏性正则拦截）
智能体	`plan` · `spawn_agent` / `wait_agent` / `list_agents` / `cancel_agent`（多子代理并行）
记忆/通知	`memory_read` / `memory_write`（TTL 持久 KV）· `send_notification`（PushOver）· `web_search` · `current_time`
安全研判	`review_top_threats`（按 flag_level+severity 排序，可触发 LLM 复核）· `request_user_input`

防御侧 PowerShell 护栏（powershell.py）：13 条 deny 正则（Format-Volume / Clear-Disk / Stop-Computer / Set-MpPreference -DisableRealtimeMonitoring / Set-NetFirewallProfile -Enabled $false...），60s 超时、6000 字符截断，每次调用审计写入 agentic_check/logs/powershell_history.log。

5.3 Tier 3：高级取证分析（8 模块，flag_level=3）

8 个取证模块 + 1 个 L2→L3 升级桥（deep_analyze.py），其中 YARA 规则库升级到 16 条（AMSI 绕过、ETW Patch、CobaltStrike Beacon、勒索加密 API 等）：

模块	关键技术	关键数字
Statistical Anomaly	z-score（阈值 2.5σ）+ percentile + Mahalanobis 距离（伪逆、按指标贡献度）	90 天窗口 / 200 样本基线
MITRE Mapper	47 条映射（正则索引 + 分类匹配）	11 战术 / 约 42 个唯一技术 ID
Memory Forensics	跨视图进程扫描（psutil vs Get-Process vs WMI）+ 未签名 DLL 检测 + 进程镂空（WorkingSet/虚拟内存比 <0.1）+ 线程注入（>100 线程）+ Volatility 集成	镂空/隐藏进程 = CRITICAL
Sigma Engine	8 条内置规则（ACD-001~008），findings → 规则自动生成，可导出 Splunk/Elastic/Sentinel	`export_rules()` yaml/json
PE Analyzer	节熵（熵 >7.0 → 打包）、RWX 节、约 48 个可疑导入 API → ATT&CK 映射、未来时间戳	风险分 0~1：≥0.7 CRITICAL
Threat Intelligence	VirusTotal v3（4 req/min 限速）+ AbuseIPDB v2（90 天报告）+ OTX v1	24h TTL 缓存，聚合分 → 分级
DeepSeek Agent	单条 triage + 批 5 条审查（跨批 sleep 1s 限速）+ 双系统提示关联分析（攻击链/威胁者画像/优先级队列）	`reasoning_effort=high`
ETW Consumer	9 个 ETW Provider GUID （含 Threat-Intelligence、Sysmon、PowerShell）+ 14 个关键事件 ID + 4 个实时通道（Security/PS/Sysmon/Defender）+ `tracerpt` 解析 ETL	11 个可疑关键词实时过滤

L2 → L3 升级桥 （deep_analyze.py）：读取 get_findings(status="confirmed")------

process 类 ：PE 分析，risk > 0.3 → flag_level=3, status=escalated（risk > 0.6 为 critical），附 mitre_techniques；
network 类：威胁情报聚合，risk_level ∈ {HIGH, CRITICAL} → 升级 L3 escalated；
未达标项统一 flag_level=3, status=confirmed, detail={deep_analyzed: True}。

5.4 跨层数据流与持续监控

复制代码

Standard Check ──写入 L1──▶ 共享数据库 ──┐
                                          ├─▶ Agentic 读取 → LLM 审查 → L2
                                          ▼
Advanced Check ◀──读取 L2 confirmed───── 数据库
        └── PE 分析 / 威胁情报 / MITRE 映射 ──▶ L3 escalated

三层都支持持续监控模式 （Standard/Advanced 为独立进程循环，Agentic 为 daemon 线程），周期 60s，每轮结果写入 monitor_status 表，UI 3 秒轮询一次状态。

6. 主动进攻模块（v0.2 核心新增）：合法主动防御的智能体化

这是本文的重头戏。v0.2 给平台装上了一个"反制翼"------但必须强调的是，这个翼的每一个动作都严格限定在合法主动防御的边界内。

6.1 设计哲学与法律边界

⚖️ "只打自己家，不打别人家。"

合法主动防御 vs 非法黑客反击的边界定义得非常清晰：

✅ 合法（本模块支持）	❌ 非法（明确禁止）
本机防火墙封禁（`netsh` 入站规则）	端口扫描 / nmap / masscan
本机 hosts 文件 DNS 沉洞	Metasploit / 漏洞利用
本地进程处置（杀恶意进程、清持久化）	DDoS / 流量洪泛
被动 OSINT（whois / RDAP / DNS / Shodan / GreyNoise）	访问对方系统 / 横向移动
本地诱骗监听（tarpit 拖延攻击者）	窃取对方凭证 / 数据
生成滥用报告文件（绝不自动发送）	针对未确认目标的任何动作

平台 README 明确引用了 US CFAA 与 UK Computer Misuse Act 作为法律依据------反制动作只作用于本机资源（防火墙/hosts/本地进程/本地监听）与被动公共 API，不扫描、不利用、不破坏任何第三方系统。这份边界不是写在 README 里的口号，而是有代码强制实现的（见 6.3 与 6.5）。

6.2 cyberoffensetools：反制工具箱（StrikeEngine + 5 工具）

cyberoffensetools/ 是进攻翼的执行层。StrikeEngine（单例，线程安全）的每个动作都走同一流程：执行 → 审计（logs/strike_log.jsonl）→ 写入 KGP 知识图谱。

工具一：blocklist ------ 防火墙封禁

powershell 复制代码

netsh advfirewall firewall add rule name=ACO-BLOCK-{ip} dir=in action=block enable=yes remoteip={ip} profile=any

ipaddress 严格校验 IP/CIDR；
幂等：先删除同名规则再加；
规则名 ACO-BLOCK- 前缀，list_blocks 通配查询。

工具二：sinkhole ------ DNS 沉洞

向 C:\Windows\System32\drivers\etc\hosts 写入 0.0.0.0 域名 + www.域名；
写前自动备份到 data/hosts.backup.{时间戳}（实测已积累 8 份备份）；
标记块方案（# === ActiveCyberOffense Sinkhole ===），支持增量增删与 list_sinkholes()；
临时文件 + 原子替换防半写；域名归一化剥 scheme/www/路径/端口。

工具三：abuse_report ------ 滥用报告生成

RDAP 深度 1 递归查询，从 entities 的 vcardArray 提取 abuse/administrative/technical 三类角色邮箱（去重限 5 个，失败回退全量 JSON 扫描）；
生成正式报告 txt（目标 / 上游组织 / CIDR / 国家 / 滥用联系邮箱 / 证据区）；
只生成文件，绝不自动发送 ------ 报告由人工审查后自行投递。

工具四：osint ------ 被动情报聚合

enrich_target()：DNS（A/PTR/TXT）→ RDAP（org/country/cidr/asn）→ Shodan（端口/服务/OS/ISP/漏洞）→ GreyNoise（classification/noise/riot/tags）。缺失 API key 优雅降级 （_skipped: no SHODAN_API_KEY），绝不因单一情报源不可用而中断。

工具五：tarpit ------ 诱骗拖延

经典 endlessh/laBrea 手法：

python 复制代码

def _stall(self, conn):
    blob = b" \b" * 512          # 空格 + 退格字符对
    while ...:
        conn.send(blob[:256])    # 每 1.5 秒发送一次
        # 攻击者看到滚动的空白，以为连接到了一个半死的 SSH/banner 服务

监听 0.0.0.0:4444（非阻塞 accept、backlog 32、幂等启动），无需管理员权限；
每个连接拖延 45 秒 后关闭，统计 accepted / 唯一对端数；
代码注释明确："Only interacts with connections that arrive at OUR OWN machine"。

6.3 Strike 反制智能体：agentic_offense

进攻翼的"大脑"是 Strike------一个 IPP-native 的 ReAct 智能体：

复制代码

① session_start hook（注入 OFFENSE_SYSTEM_PROMPT）
② ContextSummarizer 预压缩
③ user_prompt_submit hook
④ 主循环：LLM(stream) → tool_calls → TOOL_PRE/TOOL_POST hooks → execute_tool → 结果回填
⑤ STOP hook（法律边界检查：命中 → 注入纠正指令 → 强制重进循环）
⑥ done（yield final 事件）

模型与配置（刻意与防御侧区分）：

项	Aegis（防御）	Strike（进攻）
模型	`deepseek-v4-pro`（1M 上下文，thinking 模式）	`deepseek-v4-flash`（128K，快速果断）
thinking	启用	自动禁用（`extra_body={"thinking":{"type":"disabled"}}`）
temperature	0.3	0.2（低随机性、决策果断）
max_tokens	384000	8192
轮次上限	15	12

系统提示词（约 60 行）定义了 Strike 的作战流程：

复制代码

Mission（六步反制剧本）:
  ENRICH → BLOCK → SINKHOLE → REPORT → TARPIT → PowerShell 清除立足点
  （kill 恶意进程、删持久化、断连接、查防火墙/服务）

Legal Boundary（绝对）:
  • 只作用于本机：防火墙 / hosts / 本地进程 / 本地监听
  • 被动公共 API：whois / DNS / Shodan / GreyNoise
  • 严禁扫描 / 探测 / 利用 / 破坏第三方系统
  • 严禁攻击未经防御层确认或用户未授权的目标
  • 滥用报告只生成文件供人工审查

风格要求：
  输出格式 target → action → ✓/✗ → evidence，最终答案必须是 Markdown

法律边界钩子 （create_legal_boundary_hook，挂载在 STOP 事件）是代码级的强制：14 条 (?i) 正则检测越界意图------

python 复制代码

r"(?i)port\s*scan", r"(?i)nmap", r"(?i)masscan", r"(?i)metasploit",
r"(?i)exploit\s+(that|the|their|remote)", r"(?i)hack\s+back",
r"(?i)attack\s+(their|the attacker'?s|remote|that)\s+(server|site|infra)",
r"(?i)ddos", r"(?i)flood\s+(that|the|their|remote)",
r"(?i)access\s+their\s+system", r"(?i)breach\s+their",
r"(?i)take\s+over\s+their", r"(?i)steal\s+their\s+(credentials|data|files)",

命中判定：final_text + user_input 拼接后正则扫描 → should_block=True, reason="Illegal hack-back intent detected" → 注入纠正指令 [LEGAL BOUNDARY] That action would be illegal hacking-back... 并强制重进循环 ，让模型改走合法路径（enrich/block/sinkhole/report/tarpit）。也就是说：Strike 不是被提示词"劝"着守法的，而是被钩子"拦"下来的。

此外，TOOL_PRE_INVOKE / TOOL_POST_INVOKE 钩子把每次攻击动作写入 KGP（agent-target:{ip} attempted → agent-action:{tool}:{target} ok），与防御侧共享同一张证据图。

6.4 15 件武器详解

agentic_offense/weapons/ 定义了 15 个武器（TOOLS schema + execute_tool() 分发 + IPP BaseTool 注册），其中 6 个危险武器声明 requires_approval=True：

#	武器	功能	审批	技术实现
1	`enrich`	被动 OSINT	---	DNS + RDAP + Shodan + GreyNoise
2	`block`	防火墙入站封禁	✅	`netsh` 规则 `ACO-BLOCK-{ip}`，域名自动解析为 IP
3	`unblock`	删除封禁规则	✅	`netsh delete rule`
4	`sinkhole`	hosts 沉洞	✅	`0.0.0.0 域名` + www，先备份
5	`unsinkhole`	移除沉洞	✅	标记块删除
6	`report`	滥用报告文件	---	RDAP 查 abuse 邮箱 → 生成报告 txt
7	`contact`	上游组织联系信息	---	ipwhois `lookup_rdap(depth=1)`
8	`tarpit_start`	启动诱骗监听 4444	---	无需管理员
9	`tarpit_stop`	停止 tarpit	---	幂等
10	`full_strike`	一键作战剧本	✅	enrich → block → sinkhole(域名) → report → tarpit(可选)
11	`list_targets`	从防御 DB 拉已确认攻击者	---	`db_bridge.get_attacker_targets()`
12	`status`	反制状态总览	---	tarpit / 防火墙规则 / 沉洞 / DB 目标
13	`powershell`	本机任意 PowerShell	✅	护栏 + 审计（见 6.5）
14	`local_recon`	内置只读侦查	---	8 种片段，validate 白名单校验
15	`ps_history`	PowerShell 审计记录	---	读 `logs/powershell_history.log`

full_strike 剧本 （StrikeEngine.full_strike）的完整序列：

python 复制代码

enrich(target)                     # ① 必做：知己知彼
block(target, note)                # ② 必做：防火墙切断（域名自动解析为 IP）
if resolve_target(target).kind == "domain":
    sinkhole(target)               # ③ 仅域名：DNS 沉洞
report(target)                     # ④ 必做：ISP/CERT 滥用报告
if with_tarpit: tarpit(start=True) # ⑤ 可选：拖延后续连接
# 汇总 {ok, steps, completed[], failed[]}

剧本是部分失败容忍 的：即使某一环失败（如未以管理员运行导致 block 失败），已完成步骤照常返回，门户仍返回 200 并携带 steps/completed/failed 数组------失败信息本身就是给操作员的审计素材（实测中即出现过 enrich+report 成功、block 因权限失败的真实日志）。

6.5 PowerShell 武器：护栏与审计

weapons/powershell.py 是 Strike 最强的武器，也是防护最重的武器：

python 复制代码

cmd = [Config.PS_EXECUTABLE, "-NoProfile", "-NonInteractive",
       "-ExecutionPolicy", "Bypass", "-Command", script]
subprocess.run(cmd, capture_output=True, text=True, encoding="utf-8",
               errors="replace", timeout=timeout, creationflags=CREATE_NO_WINDOW)

三层防护：

deny-list 护栏 （11 条正则，Config.is_ps_denied()）：Remove-Item -Recurse C:\、Format-Volume、Clear-Disk、Stop-Computer、Set-MpPreference -DisableRealtimeMonitoring $true、删 Windows\System32、向系统目录写文件等，命中即拒绝并记录 denied_by；
超时与截断：默认 60s 超时（侦查 30s），stdout 截断 6000 字符、stderr 2000 字符；
全程审计 ：每次调用追加 JSONL 到 logs/powershell_history.log：{at, script[:400], status, exit_code, elapsed, stdout_head[:300], denied_by?}。

8 种内置侦查片段 （local_recon）：processes（Top CPU 40）、network（全部 TCP 状态）、listeners、firewall（三 profile）、services、dns_cache、hosts（0.0.0.0 沉洞条目）、suspicious_ps（encodedcommand|frombase64string|downloadstring|iex 混淆 PowerShell）。

6.6 进攻门户：127.0.0.2:8766

cyberoffensetools/server.py（纯标准库 ThreadingHTTPServer）提供完整 REST API 与内嵌 SPA：

端点	功能
`/api/status`	反制状态 + DB 摘要
`/api/targets`	从防御 DB 拉已确认攻击者列表
`/api/log`	最近 50 条打击审计
`/api/ipp`	聚合 IPP 平台状态（引擎/工具/KGP 节点数）
`/api/strike`	一键反制 `{"action","target","note","with_tarpit"}`
`/api/agent`	同步版智能体聊天
`/api/agent/start` + `/api/agent/events`	流式版（单任务互斥，busy 返回 409）

门户 UI 的核心元素：

⚖️ 法律边界横幅："LEGAL ACTIVE-DEFENSE ONLY..."
🤖 Agentic Offense Chat ：折叠式进程容器（💭 Thinking / ⚡工具调用 / ✓✗ 结果标记）+ 前端 Markdown 渲染器 + localStorage 聊天持久化；
🎯 Strike Console：target 输入 + action 下拉（FULL COUNTER-STRIKE / Enrich / Block / Sinkhole / Report / Contact / Unblock / Unsinkhole）+ 💥 EXECUTE + 🪤 Tarpit 开关；
📡 Attacker Targets 表：每行带 💥 STRIKE 快捷按钮（自动填 full_strike）；
🛡️ Countermeasure Status 卡片 + 📜 Strike Audit Log 表。

防御仪表盘通过顶层标签 ⚔️ activecyberoffense 以 iframe 嵌入 门户（不随标签切换重载，聊天历史不丢），每 5 秒 ping /api/health 显示在线状态。

6.7 攻防联动：从发现到反制的闭环

进攻侧的目标不是凭空产生的------db_bridge.py 只读防御层写入的 database/findings.json：

复制代码

过滤 category ∈ (network, net, persistence, process)
    → 从 tier_results.{standard,agentic,advanced}.detail 提取 remote/name 字段
    → 正则抽 IP，_valid_ip() 排除私网/回环/链路本地/组播/保留地址（只打公网）
    → 去重输出 {ip, category, status, flag_level, remote, finding_key, flagged_at}

完整生命周期闭环：

复制代码

防御层标记 → Agentic LLM 确认 (L2) → 目标进入进攻门户目标表
    → 操作员一键 ⚔️ STRIKE（enrich → block → sinkhole → report → tarpit）
    → strike_log.jsonl 审计 + KGP 图记录（法律证据链）
    → 滥用报告文件供人工投递 ISP/CERT

7. 流式 Agent 对话：ChatGPT 式的实时推理过程

v0.2 的 UI 体验升级：两个门户都能流式渲染智能体的完整工作过程，而不是突然蹦出一个最终答案。

复制代码

用户消息 ─▶ POST /api/agent/start ─▶ AgentJob 后台线程消费 chat_stream() 生成器
                                      │ 事件缓冲 ≤200 条（丢最旧）
前端 400ms 轮询 GET /api/agent/events?job_id&since=N ◀─┘
                                      │
💭 Thinking（思考增量）→ 折叠块文本累积
📝 text（前言文本）→ 气泡流
⚙️ tool_call → 实时展开的折叠工具块
⚙️ tool_result → 结果填充 + 自动折叠 + ✓/✗ 徽标
💭 Thinking → 下一轮
───────────────────────────────────────
完成 → process 容器自动折叠
**Final answer** → markdown 渲染成普通聊天气泡

技术要点：

后端（ui/agent_stream.py）：AgentJob 构造时启动 daemon 后台线程 消费生成器，事件序列化带截断策略（工具参数 600 字符、结果 8000、错误 500），snapshot(since) 增量拉取，异常永不静默死亡（finally 置 done，异常写入 error）；
安全：门户模式下 codex_tool.tools.PORTAL_MODE = True------后台流式线程无人审批通道，禁用 write_file / apply_patch / shell 等可变工具，只允许审查和查询；
前端：单个可折叠 <details class="agent-process"> 容器包装全过程，工具结果用 /"ok":\s*false|\[ERROR\]|\[DENIED\]|\[TIMEOUT\]/ 正则自动判定 ✓/✗；
Markdown 渲染：约 60 行零依赖原生 JS------先 HTML 转义防 XSS，再保护 fenced code blocks，识别标题/表格/列表/链接/粗斜体；
单任务互斥：防御与进攻侧各允许 1 个并发 agent 任务（busy 返回 409），避免 LLM 成本失控。

8. 实战演示：从发现到反制的攻防全流程

8.1 启动平台

powershell 复制代码

pip install -r requirements.txt
python run_ui.py
# 浏览器自动打开 http://127.0.0.1:8765

仪表盘 6 行布局：系统头 → 风险条（flags>10=HIGH / >3=MEDIUM / >0=LOW）→ 三层行动卡片 → Agentic 对话 → 统一发现表（🛡️S → 🤖A → 🚀X 三列跨层追踪）→ 三层详情 Tab。

8.2 防御侧：三层递进确认

bash 复制代码

# 步骤 1：标准检查（~2min）
点击 "Standard Check: Run Once" → 5 层扫描 → 12 个 L1 标记入库

# 步骤 2：Agentic 深度审计（~5min）
点击 "Agentic Check: Run Once" → 9 层扫描 + DeepSeek V4 逐批审查
#   8 个 → FALSE_POSITIVE（合法应用）
#   4 个 → CONFIRMED（升级至 L2，其中 1 个网络连接指向公网 IP）

# 步骤 3：高级取证（~10min）
点击 "Advanced Check: Run Once" → 仅分析已确认项
#   PE 熵值 / VirusTotal 查杀 / MITRE ATT&CK 映射
#   网络项威胁情报聚合 → risk=HIGH → 升级 L3 escalated

# 步骤 4：持续监控
点击 "Standard Check: Continuous Monitor" → 每 60s 自动扫描

8.3 进攻侧：确认即反制

攻击者 IP 进入门户目标表后，操作员一键 FULL COUNTER-STRIKE（实测日志还原）：

复制代码

1. ENRICH  85.203.45.37
   → RDAP: AS9009 M247 (CH), Country: CH
   → abuse 邮箱: jeroen@falco-networks.com ✓
2. BLOCK   85.203.45.37
   → netsh advfirewall 添加 ACO-BLOCK-85.203.45.37 入站封禁
   → ✗ 请求的操作需要提升（未以管理员运行）→ failed[] 记录，剧本继续
3. REPORT  85.203.45.37
   → 生成 abuse_85.203.45.37_*.txt（含证据区）✓
4. SINKHOLE（域名场景示例）
   → hosts 写入 0.0.0.0 wenxin.baidu.com + www 子域 ✓
   → RDAP: CHINANET-JS AS134756, abuse: anti-spam@chinatelecom.cn
5. TARPIT  ON（可选）
   → 0.0.0.0:4444 监听，攻击者连接被拖延 45s

即使 block 因权限失败，full_strike 依然返回完整的 steps/completed/failed 数组------剧本部分失败容忍，审计日志完整记录每一步，操作员补提权后重试即可。

8.4 对话式反制（门户 Agentic Chat）

复制代码

User: 侦查当前主机的可疑网络活动
Strike: [local_recon: network] 发现 12 条活动连接，6 个唯一公网 IP
        [local_recon: processes] Top CPU 进程...
        [powershell] 解析 findings.json → 232 个已确认 IP 与活动连接交叉比对
        [db_query / list_targets] 高置信度目标：85.203.45.37 ...
        建议：对 85.203.45.37 执行 full_strike（需你批准）

User: 执行 full_strike 85.203.45.37
Strike: [TOOL_PRE hook] KGP 记录 attempted...
        enrich → block → report ...
        [TOOL_POST hook] KGP 记录 ok=true/false...
        ✅ 完成：enrich ✓ / block ✓ / report ✓（详见审计日志）

9. 工程合规：许可策略与安全边界

9.1 依赖的"许可合规"策略

进攻工具箱的依赖选择是一个刻意的合规声明------只允许宽松许可（MIT / BSD / ISC / Apache-2.0）：

text 复制代码

dnspython (ISC) · ipwhois (BSD-2) · shodan (MIT) · greynoise (MIT)
requests (Apache-2.0) · impacket (Apache-2.0) · yara-python (Apache-2.0)
mitmproxy (MIT) · psutil (BSD-3)

明确排除：nmap（GPL）、masscan（AGPL）、scapy（GPL）、wireshark（GPL）、metasploit payloads、C2 implants------"permissive-licensed tools only" 既是法律红线，也是供应链安全策略。

9.2 多层安全边界总结

层	机制	对象
提示词层	OFFENSE_SYSTEM_PROMPT 法律边界六步流程	Strike 智能体
代码层	STOP 钩子 14 条正则拦截越界意图 + 注入纠正	所有 LLM 输出
审批层	prepare 阶段 `requires_approval` 闸门	block/sinkhole/powershell/full_strike 等 6 武器
护栏层	PowerShell deny-list（11 条正则）+ 超时 + 截断	powershell 武器
目标层	`db_bridge` 只打公网、只打防御层已确认目标	所有反制动作
审计层	strike_log.jsonl + powershell_history.log + KGP 图	全部动作留证

已知边界 （诚实说明）：防火墙封禁与 hosts 写入需要管理员权限（未提权时 block/sinkhole 会失败并记录审计）；deny-list 是正则匹配，存在绕写变体的可能（README 标注 "override at your own risk"）；审批闸门在智能体自主循环内依赖提示词 + 钩子兜底，门户的外部调用路径（/api/strike、IPP 执行）则强制走审批语义。

10. 演进路线与未来展望

#mermaid-svg-bznW9MqiTL5K0wBb{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-bznW9MqiTL5K0wBb .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-bznW9MqiTL5K0wBb .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-bznW9MqiTL5K0wBb .error-icon{fill:#552222;}#mermaid-svg-bznW9MqiTL5K0wBb .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-bznW9MqiTL5K0wBb .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-bznW9MqiTL5K0wBb .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-bznW9MqiTL5K0wBb .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-bznW9MqiTL5K0wBb .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-bznW9MqiTL5K0wBb .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-bznW9MqiTL5K0wBb .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-bznW9MqiTL5K0wBb .marker{fill:#333333;stroke:#333333;}#mermaid-svg-bznW9MqiTL5K0wBb .marker.cross{stroke:#333333;}#mermaid-svg-bznW9MqiTL5K0wBb svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-bznW9MqiTL5K0wBb p{margin:0;}#mermaid-svg-bznW9MqiTL5K0wBb .edge{stroke-width:3;}#mermaid-svg-bznW9MqiTL5K0wBb .section--1 rect,#mermaid-svg-bznW9MqiTL5K0wBb .section--1 path,#mermaid-svg-bznW9MqiTL5K0wBb .section--1 circle,#mermaid-svg-bznW9MqiTL5K0wBb .section--1 path{fill:hsl(240, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .section--1 text{fill:#ffffff;}#mermaid-svg-bznW9MqiTL5K0wBb .node-icon--1{font-size:40px;color:#ffffff;}#mermaid-svg-bznW9MqiTL5K0wBb .section-edge--1{stroke:hsl(240, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .edge-depth--1{stroke-width:17;}#mermaid-svg-bznW9MqiTL5K0wBb .section--1 line{stroke:hsl(60, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-bznW9MqiTL5K0wBb .lineWrapper line{stroke:#ffffff;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled,#mermaid-svg-bznW9MqiTL5K0wBb .disabled circle,#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:lightgray;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:#efefef;}#mermaid-svg-bznW9MqiTL5K0wBb .section-0 rect,#mermaid-svg-bznW9MqiTL5K0wBb .section-0 path,#mermaid-svg-bznW9MqiTL5K0wBb .section-0 circle,#mermaid-svg-bznW9MqiTL5K0wBb .section-0 path{fill:hsl(60, 100%, 73.5294117647%);}#mermaid-svg-bznW9MqiTL5K0wBb .section-0 text{fill:black;}#mermaid-svg-bznW9MqiTL5K0wBb .node-icon-0{font-size:40px;color:black;}#mermaid-svg-bznW9MqiTL5K0wBb .section-edge-0{stroke:hsl(60, 100%, 73.5294117647%);}#mermaid-svg-bznW9MqiTL5K0wBb .edge-depth-0{stroke-width:14;}#mermaid-svg-bznW9MqiTL5K0wBb .section-0 line{stroke:hsl(240, 100%, 83.5294117647%);stroke-width:3;}#mermaid-svg-bznW9MqiTL5K0wBb .lineWrapper line{stroke:black;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled,#mermaid-svg-bznW9MqiTL5K0wBb .disabled circle,#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:lightgray;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:#efefef;}#mermaid-svg-bznW9MqiTL5K0wBb .section-1 rect,#mermaid-svg-bznW9MqiTL5K0wBb .section-1 path,#mermaid-svg-bznW9MqiTL5K0wBb .section-1 circle,#mermaid-svg-bznW9MqiTL5K0wBb .section-1 path{fill:hsl(80, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .section-1 text{fill:black;}#mermaid-svg-bznW9MqiTL5K0wBb .node-icon-1{font-size:40px;color:black;}#mermaid-svg-bznW9MqiTL5K0wBb .section-edge-1{stroke:hsl(80, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .edge-depth-1{stroke-width:11;}#mermaid-svg-bznW9MqiTL5K0wBb .section-1 line{stroke:hsl(260, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-bznW9MqiTL5K0wBb .lineWrapper line{stroke:black;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled,#mermaid-svg-bznW9MqiTL5K0wBb .disabled circle,#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:lightgray;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:#efefef;}#mermaid-svg-bznW9MqiTL5K0wBb .section-2 rect,#mermaid-svg-bznW9MqiTL5K0wBb .section-2 path,#mermaid-svg-bznW9MqiTL5K0wBb .section-2 circle,#mermaid-svg-bznW9MqiTL5K0wBb .section-2 path{fill:hsl(270, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .section-2 text{fill:#ffffff;}#mermaid-svg-bznW9MqiTL5K0wBb .node-icon-2{font-size:40px;color:#ffffff;}#mermaid-svg-bznW9MqiTL5K0wBb .section-edge-2{stroke:hsl(270, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .edge-depth-2{stroke-width:8;}#mermaid-svg-bznW9MqiTL5K0wBb .section-2 line{stroke:hsl(90, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-bznW9MqiTL5K0wBb .lineWrapper line{stroke:#ffffff;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled,#mermaid-svg-bznW9MqiTL5K0wBb .disabled circle,#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:lightgray;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:#efefef;}#mermaid-svg-bznW9MqiTL5K0wBb .section-3 rect,#mermaid-svg-bznW9MqiTL5K0wBb .section-3 path,#mermaid-svg-bznW9MqiTL5K0wBb .section-3 circle,#mermaid-svg-bznW9MqiTL5K0wBb .section-3 path{fill:hsl(300, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .section-3 text{fill:black;}#mermaid-svg-bznW9MqiTL5K0wBb .node-icon-3{font-size:40px;color:black;}#mermaid-svg-bznW9MqiTL5K0wBb .section-edge-3{stroke:hsl(300, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .edge-depth-3{stroke-width:5;}#mermaid-svg-bznW9MqiTL5K0wBb .section-3 line{stroke:hsl(120, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-bznW9MqiTL5K0wBb .lineWrapper line{stroke:black;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled,#mermaid-svg-bznW9MqiTL5K0wBb .disabled circle,#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:lightgray;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:#efefef;}#mermaid-svg-bznW9MqiTL5K0wBb .section-4 rect,#mermaid-svg-bznW9MqiTL5K0wBb .section-4 path,#mermaid-svg-bznW9MqiTL5K0wBb .section-4 circle,#mermaid-svg-bznW9MqiTL5K0wBb .section-4 path{fill:hsl(330, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .section-4 text{fill:black;}#mermaid-svg-bznW9MqiTL5K0wBb .node-icon-4{font-size:40px;color:black;}#mermaid-svg-bznW9MqiTL5K0wBb .section-edge-4{stroke:hsl(330, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .edge-depth-4{stroke-width:2;}#mermaid-svg-bznW9MqiTL5K0wBb .section-4 line{stroke:hsl(150, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-bznW9MqiTL5K0wBb .lineWrapper line{stroke:black;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled,#mermaid-svg-bznW9MqiTL5K0wBb .disabled circle,#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:lightgray;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:#efefef;}#mermaid-svg-bznW9MqiTL5K0wBb .section-5 rect,#mermaid-svg-bznW9MqiTL5K0wBb .section-5 path,#mermaid-svg-bznW9MqiTL5K0wBb .section-5 circle,#mermaid-svg-bznW9MqiTL5K0wBb .section-5 path{fill:hsl(0, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .section-5 text{fill:black;}#mermaid-svg-bznW9MqiTL5K0wBb .node-icon-5{font-size:40px;color:black;}#mermaid-svg-bznW9MqiTL5K0wBb .section-edge-5{stroke:hsl(0, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .edge-depth-5{stroke-width:-1;}#mermaid-svg-bznW9MqiTL5K0wBb .section-5 line{stroke:hsl(180, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-bznW9MqiTL5K0wBb .lineWrapper line{stroke:black;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled,#mermaid-svg-bznW9MqiTL5K0wBb .disabled circle,#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:lightgray;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:#efefef;}#mermaid-svg-bznW9MqiTL5K0wBb .section-6 rect,#mermaid-svg-bznW9MqiTL5K0wBb .section-6 path,#mermaid-svg-bznW9MqiTL5K0wBb .section-6 circle,#mermaid-svg-bznW9MqiTL5K0wBb .section-6 path{fill:hsl(30, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .section-6 text{fill:black;}#mermaid-svg-bznW9MqiTL5K0wBb .node-icon-6{font-size:40px;color:black;}#mermaid-svg-bznW9MqiTL5K0wBb .section-edge-6{stroke:hsl(30, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .edge-depth-6{stroke-width:-4;}#mermaid-svg-bznW9MqiTL5K0wBb .section-6 line{stroke:hsl(210, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-bznW9MqiTL5K0wBb .lineWrapper line{stroke:black;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled,#mermaid-svg-bznW9MqiTL5K0wBb .disabled circle,#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:lightgray;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:#efefef;}#mermaid-svg-bznW9MqiTL5K0wBb .section-7 rect,#mermaid-svg-bznW9MqiTL5K0wBb .section-7 path,#mermaid-svg-bznW9MqiTL5K0wBb .section-7 circle,#mermaid-svg-bznW9MqiTL5K0wBb .section-7 path{fill:hsl(90, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .section-7 text{fill:black;}#mermaid-svg-bznW9MqiTL5K0wBb .node-icon-7{font-size:40px;color:black;}#mermaid-svg-bznW9MqiTL5K0wBb .section-edge-7{stroke:hsl(90, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .edge-depth-7{stroke-width:-7;}#mermaid-svg-bznW9MqiTL5K0wBb .section-7 line{stroke:hsl(270, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-bznW9MqiTL5K0wBb .lineWrapper line{stroke:black;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled,#mermaid-svg-bznW9MqiTL5K0wBb .disabled circle,#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:lightgray;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:#efefef;}#mermaid-svg-bznW9MqiTL5K0wBb .section-8 rect,#mermaid-svg-bznW9MqiTL5K0wBb .section-8 path,#mermaid-svg-bznW9MqiTL5K0wBb .section-8 circle,#mermaid-svg-bznW9MqiTL5K0wBb .section-8 path{fill:hsl(150, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .section-8 text{fill:black;}#mermaid-svg-bznW9MqiTL5K0wBb .node-icon-8{font-size:40px;color:black;}#mermaid-svg-bznW9MqiTL5K0wBb .section-edge-8{stroke:hsl(150, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .edge-depth-8{stroke-width:-10;}#mermaid-svg-bznW9MqiTL5K0wBb .section-8 line{stroke:hsl(330, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-bznW9MqiTL5K0wBb .lineWrapper line{stroke:black;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled,#mermaid-svg-bznW9MqiTL5K0wBb .disabled circle,#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:lightgray;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:#efefef;}#mermaid-svg-bznW9MqiTL5K0wBb .section-9 rect,#mermaid-svg-bznW9MqiTL5K0wBb .section-9 path,#mermaid-svg-bznW9MqiTL5K0wBb .section-9 circle,#mermaid-svg-bznW9MqiTL5K0wBb .section-9 path{fill:hsl(180, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .section-9 text{fill:black;}#mermaid-svg-bznW9MqiTL5K0wBb .node-icon-9{font-size:40px;color:black;}#mermaid-svg-bznW9MqiTL5K0wBb .section-edge-9{stroke:hsl(180, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .edge-depth-9{stroke-width:-13;}#mermaid-svg-bznW9MqiTL5K0wBb .section-9 line{stroke:hsl(0, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-bznW9MqiTL5K0wBb .lineWrapper line{stroke:black;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled,#mermaid-svg-bznW9MqiTL5K0wBb .disabled circle,#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:lightgray;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:#efefef;}#mermaid-svg-bznW9MqiTL5K0wBb .section-10 rect,#mermaid-svg-bznW9MqiTL5K0wBb .section-10 path,#mermaid-svg-bznW9MqiTL5K0wBb .section-10 circle,#mermaid-svg-bznW9MqiTL5K0wBb .section-10 path{fill:hsl(210, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .section-10 text{fill:black;}#mermaid-svg-bznW9MqiTL5K0wBb .node-icon-10{font-size:40px;color:black;}#mermaid-svg-bznW9MqiTL5K0wBb .section-edge-10{stroke:hsl(210, 100%, 76.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .edge-depth-10{stroke-width:-16;}#mermaid-svg-bznW9MqiTL5K0wBb .section-10 line{stroke:hsl(30, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-bznW9MqiTL5K0wBb .lineWrapper line{stroke:black;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled,#mermaid-svg-bznW9MqiTL5K0wBb .disabled circle,#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:lightgray;}#mermaid-svg-bznW9MqiTL5K0wBb .disabled text{fill:#efefef;}#mermaid-svg-bznW9MqiTL5K0wBb .section-root rect,#mermaid-svg-bznW9MqiTL5K0wBb .section-root path,#mermaid-svg-bznW9MqiTL5K0wBb .section-root circle{fill:hsl(240, 100%, 46.2745098039%);}#mermaid-svg-bznW9MqiTL5K0wBb .section-root text{fill:#ffffff;}#mermaid-svg-bznW9MqiTL5K0wBb .icon-container{height:100%;display:flex;justify-content:center;align-items:center;}#mermaid-svg-bznW9MqiTL5K0wBb .edge{fill:none;}#mermaid-svg-bznW9MqiTL5K0wBb .eventWrapper{filter:brightness(120%);}#mermaid-svg-bznW9MqiTL5K0wBb :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} v0.1.0 标准检查 + PS1 脚本 v0.1.7 DeepSeek V4 LLM 审查 v0.1.9 6 行仪表盘 + Agentic 对话 v0.2.0 去中心化数据库（独立进程 WAL） v0.2.1 层检查自进程化 v0.2.2 进攻翼 cyberoffensetools + 门户 v0.2.3 Strike 智能体（Flash + PowerShell 武器 + 法律钩子） v0.2.4 IPP 框架（协议/管线/钩子/KGP/ACP） v0.2.5 流式 Agent 对话（thinking · tools · final） v0.2.6 Aegis 提示词 + ps_recon + 只读守卫 + Markdown 渲染 ActiveCybersecurity 演进历史（2026-07 → 08）

未来方向：

MCP 生态扩展：通过统一 ToolRegistry 接入外部安全工具（SIEM / SOAR / 威胁情报平台 / MISP）；
多 Agent 协同：防御与进攻 Agent 经 ACP 双向编排------防御确认、进攻反制、防御复检的自动化闭环；
联邦共享：多端点共享 KGP 攻击者画像（去隐私化）与 YARA/Sigma 规则；
自动化响应策略：在审批语义之上引入"低危自动处置、高危人工批准"的策略引擎。

11. 总结

ActiveCybersecurity v0.2 展示了一个完整的攻防一体 AI 安全平台形态：

防御侧 ：三层递进检查 + DeepSeek V4 智能审查 + Aegis 23 工具只读智能体，把"误报"从规则引擎的顽疾变成了 LLM 的上下文理解问题；

进攻侧 ：Strike 反制智能体 + 15 件武器 + 代码级法律边界钩子，把"反击"限定在本机资源 + 被动 OSINT 的合法范围内，全程审计留证；

架构侧：IPP 统一抽象（MCP/ACP/KGP/RP）+ 去中心化数据库（WAL 独立进程）+ 进程级隔离的层检查 + 流式 Agent 对话，让攻防两侧在同一套协议、同一张知识图谱、同一条证据链上运转。

最有价值的工程启示有三：

AI Agent 安全平台的第一性原理是"边界"------能力越大，边界越要由代码强制，而不是提示词劝说；
统一抽象是复杂系统唯一可行的组织方式------IPP 让 40+ 个工具、2 个智能体、3 个检查层、4 个协议在同一框架下组合闭包；
去中心化不是噱头------数据库独立进程 + 层检查独立进程，让 5 分钟的深度扫描不再阻塞监控按钮和对话流。

📎 项目信息

项目	详情
项目名称	ActiveCybersecurity
版本	v0.2.x（2026-08）
核心技术	Python 3.11+ / DeepSeek V4（pro + flash）/ IPP 协议框架 / SQLite WAL / PowerShell / HTML5 SPA
平台	Windows 10/11
架构	三层递进防御 + 合法反制进攻翼 + 去中心化服务拓扑
端口	防御 127.0.0.1:8765 · 进攻 127.0.0.2:8766 · 数据库 127.0.0.1:8767
许可策略	全依赖宽松许可（BSD-3 / Apache-2.0 / MIT / ISC），排除 GPL/AGPL 工具

"最好的防御不是把自己变成一座堡垒，而是让敌人知道------你既看得见他，也有权在他进门之前关上门。" ⚔️🛡️

如果你对"LLM Agent 驱动的攻防一体化平台"感兴趣，欢迎 Clone 体验：

pip install -r requirements.txt && python run_ui.py

本文基于 ActiveCybersecurity v0.2 源码分析生成 · 2026年8月