AI-संचालित स्वायत्त पेनेट्रेशन टेस्टिंग एजेंट

AIRecon एक स्वायत्त पेनेट्रेशन टेस्टिंग एजेंट है जो किसी भी OpenAI-संगत LLM गेटवे (LiteLLM / vLLM / एक होस्टेड एंडपॉइंट — या एक स्थानीय Ollama को प्रॉक्सी करने वाला स्थानीय गेटवे) को एक Kali Linux Docker सैंडबॉक्स, नेटिव Caido प्रॉक्सी इंटीग्रेशन, एक संरचित RECON → ANALYSIS → EXPLOIT → REPORT पाइपलाइन, और एक रीयल-टाइम Textual TUI के साथ संचालित करता है।

डिज़ाइन से बैकएंड-अज्ञेय। AIRecon को पूर्णतः ऑफ़लाइन / निजी संचालन के लिए एक स्थानीय गेटवे (LiteLLM / vLLM, या एक स्थानीय Ollama को प्रॉक्सी करने वाला गेटवे) पर, या अधिकतम रीज़निंग गुणवत्ता के लिए एक होस्टेड OpenAI/Anthropic/Gemini-संगत एंडपॉइंट पर पॉइंट करें। रीज़निंग समर्थन रनटाइम पर स्वतः पहचाना जाता है — कोई प्रति-मॉडल हार्डकोडिंग नहीं।

Airecon

प्रायोजक

Swiftproxy – AI-संचालित वेब रिसर्च के लिए विश्वसनीय रेसिडेंशियल प्रॉक्सी

Swiftproxy 220+ स्थानों में 90M+ स्वच्छ रेसिडेंशियल IPs प्रदान करता है, जो HTTP(S)/SOCKS5, IP रोटेशन, स्टिकी सेशन, और सटीक जियो-टार्गेटिंग का समर्थन करता है। यह AI-संचालित रिसर्च और रेकनासांस वर्कफ़्लो को विभिन्न स्थानों से विश्वसनीय रूप से वेबसाइटों तक पहुँचने में मदद करता है, जिससे यह वेब रिसर्च, डेटा संग्रह, स्क्रैपिंग, और स्थान-आधारित पहुँच के लिए उपयुक्त बनता है।

निःशुल्क परीक्षण उपलब्ध है, कोड PROXY90 का उपयोग करके 10% छूट के साथ।

AIRecon क्यों?

AIRecon एक OpenAI-संगत गेटवे से बात करता है, इसलिए आप संतुलन चुनते हैं — गोपनीयता और शून्य API लागत के लिए एक स्थानीय मॉडल चलाएँ, या शीर्ष रीज़निंग गुणवत्ता के लिए एक होस्टेड मॉडल। वही एजेंट, पाइपलाइन, सैंडबॉक्स, और टूलिंग दोनों तरह से काम करते हैं।

विशेषता	AIRecon
बैकएंड	कोई भी OpenAI-संगत गेटवे (LiteLLM / vLLM / होस्टेड)
पूर्णतः ऑफ़लाइन / कोई API कुंजी नहीं	हाँ — स्थानीय गेटवे (vLLM, या एक गेटवे → स्थानीय Ollama) का उपयोग करते समय
रीज़निंग पहचान	रनटाइम पर स्वचालित (कोई मॉडल-नाम हार्डकोडिंग नहीं)
Caido इंटीग्रेशन	नेटिव
स्कोप गार्ड + ऑडिट लॉग	हाँ — स्कोप से बाहर के लक्ष्यों को अस्वीकार करें, प्रत्येक कमांड लॉग करें
केवल-सत्यापित शिक्षण	हाँ — ब्रेन सिद्ध निष्कर्षों को संचित करता है, शोर को नहीं
सेशन रिज़्यूम (चैट + टूल कॉल)	हाँ
स्थानीय नॉलेज बेस	~1.09M रिकॉर्ड (वैकल्पिक)

जब आप चाहें गोपनीयता — एक स्थानीय गेटवे के साथ, लक्ष्य इंटेलिजेंस, टूल आउटपुट, और रिपोर्ट आपकी मशीन कभी नहीं छोड़ते।
Caido नेटिव — अंतर्निहित टूल: list, replay, automate (§FUZZ§), findings, scope, sitemap, intercept।
फुल स्टैक — Kali सैंडबॉक्स + ब्राउज़र ऑटोमेशन + कस्टम फ़ज़र + Schemathesis API फ़ज़िंग + Semgrep SAST।
स्किल्स नॉलेज बेस — 57 अंतर्निहित स्किल फ़ाइलें, 289 कीवर्ड → स्किल ऑटो-मैपिंग। airecon-skills द्वारा विस्तारित — CTF, बग बाउंटी, और पेनेट्रेशन टेस्टिंग के लिए 57 अतिरिक्त CLI-आधारित प्लेबुक वाली एक कम्युनिटी स्किल लाइब्रेरी।
स्थानीय सुरक्षा नॉलेज बेस — वैकल्पिक airecon-dataset ~1.09M सुरक्षा रिकॉर्ड (CVEs, रेड टीम तकनीकें, CTF राइटअप, nuclei टेम्पलेट, बग बाउंटी पेलोड) को स्थानीय SQLite FTS5 में इंडेक्स करता है। LLM अपरिचित तकनीकों का प्रयास करने से पहले स्वायत्त रूप से dataset_search कॉल करता है — अपने निर्णयों को वास्तविक इंडेक्स्ड डेटा में आधारित करता है।

पाइपलाइन

RECON → ANALYSIS → EXPLOIT → REPORT

प्रत्येक चरण के विशिष्ट उद्देश्य, अनुशंसित उपकरण और स्वचालित संक्रमण मानदंड होते हैं। चरण प्रवर्तन soft है — एजेंट को निर्देशित किया जाता है लेकिन कभी अवरुद्ध नहीं किया जाता। चेकपॉइंट हर 5 (चरण मूल्यांकन), 10 (स्व-मूल्यांकन), और 15 (संदर्भ संपीड़न) पुनरावृत्तियों पर चलते हैं।

मेमोरी और लर्निंग (यह वास्तव में क्या करता है)

AIRecon LLM को fine-tune नहीं करता। इसकी "लर्निंग" स्थानीय, संरचित टेलीमेट्री है जो उपकरण चयन का मार्गदर्शन करती है और विफल पथों को दोहराने से बचाती है।

स्थानीय दृढ़ता (सब कुछ डिस्क पर, कोई क्लाउड नहीं):

~/.airecon/memory/airecon.db पर SQLite मेमोरी DB जो सत्र, निष्कर्ष, पैटर्न, लक्ष्य इंटेल, उपकरण उपयोग, मॉडल प्रदर्शन, कौशल उपयोग, और हमला-श्रृंखला खोजों को संग्रहीत करती है।
~/.airecon/learning/global_learning.json पर अनुकूली लर्निंग स्थिति (उपकरण प्रदर्शन आँकड़े, रणनीति पैटर्न, अवलोकन लॉग, आसवित अंतर्दृष्टि)।
स्थायी होने पर ~/.airecon/memory/by_target/ के अंतर्गत प्रति-लक्ष्य मेमोरी फ़ाइलें, जिनमें एंडपॉइंट, vulns, WAF बायपास, संवेदनशील पैरामीटर, और प्रमाणीकरण एंडपॉइंट शामिल हैं।
सत्र दृढ़ता चलने पर पेलोड मेमोरी स्नैपशॉट workspace/<target>/payload_memory.json के अंतर्गत सहेजे जा सकते हैं।

यह व्यवहार को कैसे प्रभावित करता है:

सत्र प्रारंभ पर, मेमोरी संदर्भ इंजेक्ट किया जाता है (लक्ष्य इंटेल, समान निष्कर्ष, सीखे गए पैटर्न, उपकरण विश्वसनीयता)।
कोल्ड स्टार्ट: पता चले स्टैक के लिए कोई सीखा इतिहास न होने पर, AIRecon स्थिर tech_correlations डेटासेट से एक ज्ञान संक्षेप इंजेक्ट करता है — इसलिए डेटासेट पुनरावृत्ति 1 से ही मस्तिष्क के रूप में उपयोग किए जाते हैं।
प्रत्येक intelligence_memory_recall_interval पुनरावृत्तियों (डिफ़ॉल्ट 4) पर, पता चली तकनीक के आधार पर सीखे गए पैटर्न / कोल्ड-स्टार्ट ज्ञान पुनः इंजेक्ट किए जाते हैं; सहसंबंध प्रत्येक intelligence_correlation_interval (डिफ़ॉल्ट 6) पर चलता है।
केवल-सत्यापित लर्निंग: केवल सत्यापित (या उच्च-विश्वास) निष्कर्ष ही क्रॉस-सत्र मस्तिष्क में स्थायी किए जाते हैं, इसलिए यह झूठे सकारात्मक के बजाय सिद्ध ज्ञान को संचित करता है (intelligence_learn_only_verified, डिफ़ॉल्ट रूप से चालू)।
अनुकूली उपकरण रैंकिंग उपकरणों को क्रमबद्ध करने और रणनीतियों का सुझाव देने के लिए ऐतिहासिक सफलता/विफलता का उपयोग करती है; सत्र-के-भीतर लर्निंग केवल intelligence_adaptive_min_observations (डिफ़ॉल्ट 2) अवलोकनों के बाद शुरू होती है।
पेलोड मेमोरी (सक्षम होने पर) उन पेलोड को छोड़ देती है जो एक ही लक्ष्य/पैराम के लिए बार-बार विफल हुए।

मॉडल आवश्यकताएँ

AIRecon आपके गेटवे द्वारा उजागर किसी भी मॉडल के साथ काम करता है (GPT, Claude, Gemini, Qwen, GLM, DeepSeek, स्थानीय Ollama/vLLM मॉडल, …)। दो क्षमताएँ मायने रखती हैं:

⚠️ नेटिव टूल/फ़ंक्शन कॉलिंग आवश्यक है। इसके बिना एजेंट कोई भी उपकरण (http_observe, execute, browser, Caido, …) नहीं चला सकता और अक्रियाशील होता है। openai_supports_native_tools: true रखें।

रीज़निंग स्वतः पहचानी जाती है। auto मोड में AIRecon OpenAI-मानक reasoning_effort भेजता है और, यदि बैकएंड इसे अस्वीकार करता है (HTTP 400 असमर्थित-पैरामीटर), तो इसे हटा देता है और याद रखता है — इसलिए रीज़निंग मॉडल सोचते हैं, साधारण मॉडल टूटते नहीं। बनाए रखने के लिए कोई मॉडल-नाम सूची नहीं।

airecon

सबसे लोकप्रिय

विवरण