وكيل اختبار اختراق مستقل مدعوم بالذكاء الاصطناعي

AIRecon هو وكيل اختبار اختراق مستقل يشغّل أي بوابة LLM متوافقة مع OpenAI (LiteLLM / vLLM / نقطة نهاية مستضافة — أو بوابة محلية تعمل كوكيل لـ Ollama محلي) مع بيئة Kali Linux Docker معزولة، وتكامل أصلي مع وكيل Caido، وخط أنابيب منظم RECON → ANALYSIS → EXPLOIT → REPORT، وواجهة Textual TUI في الوقت الفعلي.

مستقل عن الواجهة الخلفية حسب التصميم. وجّه AIRecon إلى بوابة محلية (LiteLLM / vLLM، أو بوابة تعمل كوكيل لـ Ollama محلي) لتشغيل متصل بالكامل / خاص، أو إلى نقطة نهاية مستضافة متوافقة مع OpenAI/Anthropic/Gemini للحصول على أقصى جودة استدلال. دعم الاستدلال يُكتشف تلقائيًا في وقت التشغيل — دون ترميز ثابت لكل نموذج.

Airecon

الراعي

Swiftproxy – وكلاء سكنيون موثوقون للبحث على الويب المدعوم بالذكاء الاصطناعي

يوفر Swiftproxy أكثر من 90 مليون عنوان IP سكني نظيف عبر أكثر من 220 موقعًا، مع دعم HTTP(S)/SOCKS5، وتدوير IP، والجلسات الثابتة، والاستهداف الجغرافي الدقيق. يساعد سير عمل البحث والاستطلاع المدعوم بالذكاء الاصطناعي على الوصول إلى المواقع الإلكترونية بشكل موثوق من مواقع مختلفة، مما يجعله مناسبًا للبحث على الويب، وجمع البيانات، والاستخراج، والوصول القائم على الموقع.

يتوفر اختبار مجاني، مع خصم 10% باستخدام الرمز PROXY90.

لماذا AIRecon؟

يتحدث AIRecon إلى بوابة واحدة متوافقة مع OpenAI، لذا تختار أنت المقايضة — شغّل نموذجًا محليًا للخصوصية وتكلفة API صفرية، أو نموذجًا مستضافًا لأعلى جودة استدلال. نفس الوكيل، وخط الأنابيب، والبيئة المعزولة، والأدوات تعمل في كلتا الحالتين.

الميزة	AIRecon
الواجهة الخلفية	أي بوابة متوافقة مع OpenAI (LiteLLM / vLLM / مستضافة)
متصل بالكامل / بدون مفاتيح API	نعم — عند استخدام بوابة محلية (vLLM، أو بوابة → Ollama محلي)
اكتشاف الاستدلال	تلقائي في وقت التشغيل (دون ترميز ثابت لاسم النموذج)
تكامل Caido	أصلي
حارس النطاق + سجل التدقيق	نعم — يرفض الأهداف خارج النطاق، ويسجل كل أمر
التعلم من المؤكد فقط	نعم — يراكم العقل النتائج المثبتة، لا الضوضاء
استئناف الجلسة (الدردشة + استدعاءات الأدوات)	نعم
قاعدة المعرفة المحلية	~1.09M سجل (اختياري)

الخصوصية عندما تريدها — مع بوابة محلية، لا تغادر معلومات استهداف الهدف ومخرجات الأدوات والتقارير جهازك أبدًا.
Caido أصلي — أدوات مدمجة: list، replay، automate (§FUZZ§)، findings، scope، sitemap، intercept.
حزمة كاملة — بيئة Kali معزولة + أتمتة المتصفح + مُفزِّز مخصص + اختبار API العشوائي Schemathesis + Semgrep SAST.
قاعدة معرفة المهارات — 57 ملف مهارة مدمج، و289 تعيينًا تلقائيًا من الكلمة المفتاحية → المهارة. تُوسَّع بواسطة airecon-skills — مكتبة مهارات مجتمعية تضم 57 دليلًا إضافيًا قائمًا على CLI لـ CTF، ومكافآت الثغرات، واختبار الاختراق.
قاعدة المعرفة الأمنية المحلية — airecon-dataset الاختيارية تفهرس ~1.09M سجل أمني (CVEs، تقنيات الفريق الأحمر، كتابات CTF، قوالب nuclei، حمولات مكافآت الثغرات) في SQLite FTS5 المحلي. يستدعي LLM dataset_search بشكل مستقل قبل محاولة التقنيات غير المألوفة — مما يرسّخ قراراته في بيانات مفهرسة حقيقية.

خط الأنابيب

RECON → ANALYSIS → EXPLOIT → REPORT

كل مرحلة لها أهداف محددة، وأدوات موصى بها، ومعايير انتقال تلقائي. تطبيق المراحل مرن — يُوجَّه الوكيل لكن لا يُحظر أبدًا. تُنفَّذ نقاط التحقق كل 5 (تقييم المرحلة)، و10 (التقييم الذاتي)، و15 (ضغط السياق) تكرارًا.

الذاكرة والتعلّم (ما تفعله فعليًا)

لا يقوم AIRecon بضبط دقيق (fine-tune) لنموذج اللغة الكبير. "تعلّمه" محلي ومنظَّم، وهو قياسات (telemetry) تُوجّه اختيار الأدوات وتتجنّب تكرار المسارات الفاشلة.

الاستمرارية المحلية (كل شيء على القرص، بدون سحابة):

قاعدة بيانات ذاكرة SQLite في ~/.airecon/memory/airecon.db تخزّن الجلسات، والنتائج، والأنماط، ومعلومات الهدف، واستخدام الأدوات، وأداء النموذج، واستخدام المهارات، واكتشافات سلاسل الهجوم.
حالة التعلّم التكيّفي في ~/.airecon/learning/global_learning.json (إحصاءات أداء الأدوات، وأنماط الاستراتيجيات، وسجل الملاحظات، والرؤى المستخلصة).
ملفات ذاكرة لكل هدف تحت ~/.airecon/memory/by_target/ عند حفظها، وتحتوي على نقاط النهاية، والثغرات، وتجاوزات WAF، والمعاملات الحساسة، ونقاط نهاية المصادقة.
يمكن حفظ لقطات ذاكرة الحمولات (payload memory) تحت workspace/<target>/payload_memory.json عند تشغيل استمرارية الجلسة.

كيف يؤثر ذلك على السلوك:

عند بدء الجلسة، يُحقَن سياق الذاكرة (معلومات الهدف، والنتائج المشابهة، والأنماط المتعلَّمة، وموثوقية الأدوات).
البداية الباردة (Cold start): مع عدم وجود سجل متعلَّم للحزمة التقنية المكتشفة، يحقن AIRecon ملخصًا معرفيًا من مجموعة البيانات الثابتة tech_correlations — فتُستخدم مجموعات البيانات كعقل من التكرار الأول.
كل intelligence_memory_recall_interval تكرارًا (الافتراضي 4)، يُعاد حقن الأنماط المتعلَّمة / المعرفة من البداية الباردة بناءً على التقنية المكتشفة؛ ويُشغَّل الارتباط كل intelligence_correlation_interval (الافتراضي 6).
التعلّم من المُتحقَّق منه فقط: تُحفظ فقط النتائج التي تم التحقق منها (أو عالية الثقة) في العقل العابر للجلسات، فيتراكم المعرفة المُثبتة بدلًا من الإيجابيات الكاذبة (intelligence_learn_only_verified، مُفعَّل افتراضيًا).
يستخدم ترتيب الأدوات التكيّفي النجاح/الفشل التاريخي لترتيب الأدوات واقتراح الاستراتيجيات؛ ويبدأ التعلّم داخل الجلسة بعد intelligence_adaptive_min_observations (الافتراضي 2) ملاحظة فقط.
تتخطى ذاكرة الحمولات (عند تفعيلها) الحمولات التي فشلت مرارًا لنفس الهدف/المعامل.

متطلبات النموذج

يعمل AIRecon مع أي نموذج تعرضه بوابتك (GPT، Claude، Gemini، Qwen، GLM، DeepSeek، نماذج Ollama/vLLM المحلية، …). هناك قدرتان مهمّتان:

⚠️ استدعاء الأدوات/الدوال الأصلي مطلوب. بدونه لا يستطيع الوكيل تشغيل أي أداة (http_observe، execute، browser، Caido، …) ويكون غير فعّال. أبقِ openai_supports_native_tools: true.

يُكتشف الاستدلال تلقائيًا. في وضع auto يرسل AIRecon معيار OpenAI reasoning_effort، وإذا رفضه الخادم الخلفي (HTTP 400 معامل غير مدعوم)، يزيله ويتذكّر — فتستدل نماذج الاستدلال، ولا تتعطّل النماذج العادية. لا قائمة أسماء نماذج للصيانة.

إرشادات الجودة (مستقلة عن المزوّد):

استدلال قوي + استدعاء أدوات (مثل GPT-5/o-series، Claude Sonnet/Opus 4.x، Gemini 2.5، Qwen3 ≥32B، DeepSeek-R) → خطوط استطلاع كاملة موثوقة.
النماذج المتوسطة (8B–14B محلية) → قابلة للاستخدام في المهام البسيطة؛ توقّع المزيد من أخطاء استدعاء الأدوات والهلوسات.
<8B محلية → غير موصى بها للاختبار الجدّي.

لإعداد محلي/دون اتصال، شغّل النموذج خلف بوابة محلية (Ollama/vLLM) ووجّه openai_base_url إليها (انظر الإعداد). تتدرّج الجودة مع النموذج، لا مع AIRecon.

airecon

الأكثر شعبية