Agent autonome de test d'intrusion propulsé par l'IA

AIRecon est un agent autonome de test d'intrusion qui pilote n'importe quelle passerelle LLM compatible OpenAI (LiteLLM / vLLM / un endpoint hébergé — ou une passerelle locale faisant proxy vers un Ollama local) avec un bac à sable Docker Kali Linux, une intégration native du proxy Caido, un pipeline structuré RECON → ANALYSIS → EXPLOIT → REPORT, et une TUI Textual en temps réel.

Indépendant du backend par conception. Pointez AIRecon vers une passerelle locale (LiteLLM / vLLM, ou une passerelle faisant proxy vers un Ollama local) pour un fonctionnement entièrement hors ligne / privé, ou vers un endpoint hébergé compatible OpenAI/Anthropic/Gemini pour une qualité de raisonnement maximale. La prise en charge du raisonnement est détectée automatiquement à l'exécution — aucun codage en dur par modèle.

---

Sponsor

Swiftproxy – Proxies résidentiels fiables pour la recherche web propulsée par l'IA

Swiftproxy fournit plus de 90M d'IP résidentielles propres réparties sur plus de 220 localisations, prenant en charge HTTP(S)/SOCKS5, la rotation d'IP, les sessions persistantes (Sticky Sessions) et le ciblage géographique précis. Il aide les workflows de recherche et de reconnaissance propulsés par l'IA à accéder aux sites web de manière fiable depuis différentes localisations, ce qui le rend adapté à la recherche web, à la collecte de données, au scraping et à l'accès géolocalisé.

Un test gratuit est disponible, avec 10 % de réduction en utilisant le code PROXY90.

---

Pourquoi AIRecon ?

AIRecon communique avec une seule passerelle compatible OpenAI, vous choisissez donc le compromis — exécutez un modèle local pour la confidentialité et un coût d'API nul, ou un modèle hébergé pour une qualité de raisonnement optimale. Le même agent, pipeline, bac à sable et outillage fonctionnent dans les deux cas.

Fonctionnalité	AIRecon
Backend	N'importe quelle passerelle compatible OpenAI (LiteLLM / vLLM / hébergée)
Entièrement hors ligne / sans clés API	Oui — lors de l'utilisation d'une passerelle locale (vLLM, ou une passerelle → Ollama local)
Détection du raisonnement	Automatique à l'exécution (aucun codage en dur du nom de modèle)
Intégration Caido	Native
Garde de périmètre + journal d'audit	Oui — refuse les cibles hors périmètre, journalise chaque commande
Apprentissage uniquement vérifié	Oui — le cerveau capitalise sur les découvertes prouvées, pas sur le bruit
Reprise de session (chat + appels d'outils)	Oui
Base de connaissances locale	~1,09M d'enregistrements (facultatif)

• Confidentialité quand vous le souhaitez — avec une passerelle locale, le renseignement sur les cibles, la sortie des outils et les rapports ne quittent jamais votre machine.
• Caido natif — outils intégrés : list, replay, automate (§FUZZ§), findings, scope, sitemap, intercept.
• Stack complète — bac à sable Kali + automatisation du navigateur + fuzzer personnalisé + fuzzing d'API Schemathesis + SAST Semgrep.
• Base de connaissances de compétences — 57 fichiers de compétences intégrés, 289 mappages automatiques mot-clé → compétence. Étendue par airecon-skills — une bibliothèque de compétences communautaire avec 57 playbooks supplémentaires basés sur la CLI pour le CTF, le bug bounty et le pentesting.
• Base de connaissances de sécurité locale — airecon-dataset facultatif indexe ~1,09M d'enregistrements de sécurité (CVE, techniques de red team, writeups CTF, templates nuclei, payloads de bug bounty) dans un SQLite FTS5 local. Le LLM appelle dataset_search de manière autonome avant de tenter des techniques inconnues — ancrant ses décisions dans des données indexées réelles.

---

Pipeline

RECON → ANALYSIS → EXPLOIT → REPORT

Chaque phase a des objectifs spécifiques, des outils recommandés et des critères de transition automatiques. L'application des phases est souple — l'agent est guidé mais jamais bloqué. Les points de contrôle s'exécutent toutes les 5 (évaluation de phase), 10 (auto-évaluation) et 15 (compression du contexte) itérations.

---

Mémoire et apprentissage (ce qu'il fait réellement)

AIRecon ne fine-tune pas le LLM. Son « apprentissage » est une télémétrie locale et structurée qui guide le choix des outils et évite de répéter les chemins échoués.

Persistance locale (tout sur disque, aucun cloud) :

• Base de données mémoire SQLite à ~/.airecon/memory/airecon.db stockant les sessions, les découvertes, les motifs, le renseignement sur les cibles, l'utilisation des outils, les performances des modèles, l'utilisation des compétences et les découvertes de chaînes d'attaque.
• État d'apprentissage adaptatif à ~/.airecon/learning/global_learning.json (statistiques de performance des outils, motifs de stratégie, journal d'observations, insights distillés).
• Fichiers mémoire par cible sous ~/.airecon/memory/by_target/ lorsqu'ils sont persistés, contenant les endpoints, les vulnérabilités, les contournements de WAF, les paramètres sensibles et les endpoints d'authentification.
• Des instantanés de mémoire de payload peuvent être sauvegardés sous workspace/<target>/payload_memory.json lorsque la persistance de session s'exécute.