AI搭載自律型ペネトレーションテストエージェント

AIReconは、任意のOpenAI互換LLMゲートウェイ（LiteLLM / vLLM / ホスト型エンドポイント、またはローカルOllamaをプロキシするローカルゲートウェイ）を、Kali Linux Dockerサンドボックス、ネイティブなCaidoプロキシ統合、構造化されたRECON → ANALYSIS → EXPLOIT → REPORTパイプライン、そしてリアルタイムTextual TUIで駆動する自律型ペネトレーションテストエージェントです。

設計上バックエンド非依存。 AIReconをローカルゲートウェイ（LiteLLM / vLLM、またはローカルOllamaをプロキシするゲートウェイ）に向ければ完全オフライン / プライベート運用が可能になり、ホスト型のOpenAI/Anthropic/Gemini互換エンドポイントに向ければ最大限の推論品質が得られます。推論サポートは実行時に自動検出されます — モデルごとのハードコーディングは不要です。

Airecon

スポンサー

Swiftproxy – AI搭載ウェブリサーチ向けの信頼性の高いレジデンシャルプロキシ

Swiftproxyは、220以上のロケーションにわたる9,000万以上のクリーンなレジデンシャルIPを提供し、HTTP(S)/SOCKS5、IPローテーション、スティッキーセッション、正確なジオターゲティングをサポートしています。AI搭載のリサーチおよび偵察ワークフローがさまざまなロケーションからウェブサイトに確実にアクセスできるようにし、ウェブリサーチ、データ収集、スクレイピング、ロケーションベースのアクセスに適しています。

無料テストが利用可能で、コードPROXY90を使用すると10%オフになります。

なぜAIReconなのか？

AIReconは単一のOpenAI互換ゲートウェイと通信するため、トレードオフを選択できます — プライバシーとAPIコストゼロのためにローカルモデルを実行するか、最高の推論品質のためにホスト型モデルを実行するか。同じエージェント、パイプライン、サンドボックス、ツールがどちらでも機能します。

機能	AIRecon
バックエンド	任意のOpenAI互換ゲートウェイ（LiteLLM / vLLM / ホスト型）
完全オフライン / APIキー不要	はい — ローカルゲートウェイ（vLLM、またはゲートウェイ → ローカルOllama）を使用する場合
推論検出	実行時に自動（モデル名のハードコーディングなし）
Caido統合	ネイティブ
スコープガード + 監査ログ	はい — スコープ外のターゲットを拒否し、すべてのコマンドをログ記録
検証済みのみの学習	はい — ブレインはノイズではなく、証明された発見を蓄積
セッション再開（チャット + ツール呼び出し）	はい
ローカルナレッジベース	約109万レコード（オプション）

望むときにプライバシーを — ローカルゲートウェイを使用すれば、ターゲットインテリジェンス、ツール出力、レポートがマシンから出ることはありません。
Caidoネイティブ — 組み込みツール：list、replay、automate（§FUZZ§）、findings、scope、sitemap、intercept。
フルスタック — Kaliサンドボックス + ブラウザ自動化 + カスタムファザー + Schemathesis APIファジング + Semgrep SAST。
スキルナレッジベース — 57の組み込みスキルファイル、289のキーワード → スキル自動マッピング。airecon-skills によって拡張されます — CTF、バグバウンティ、ペネトレーションテスト向けの57の追加CLIベースプレイブックを備えたコミュニティスキルライブラリです。
ローカルセキュリティナレッジベース — オプションの**airecon-dataset** は、約109万件のセキュリティレコード（CVE、レッドチーム技術、CTFライトアップ、nucleiテンプレート、バグバウンティペイロード）をローカルSQLite FTS5にインデックス化します。LLMは未知の技術を試みる前にdataset_searchを自律的に呼び出し、その判断を実際にインデックス化されたデータに基づかせます。

パイプライン

RECON → ANALYSIS → EXPLOIT → REPORT

各フェーズには、特定の目的、推奨ツール、自動移行基準があります。フェーズの強制はソフトです — エージェントは誘導されますが、ブロックされることはありません。チェックポイントは5回（フェーズ評価）、10回（自己評価）、15回（コンテキスト圧縮）のイテレーションごとに実行されます。

メモリと学習（実際の動作）

AIReconはLLMをファインチューニングしません。その「学習」はローカルで構造化されたテレメトリであり、ツール選択を導き、失敗したパスの繰り返しを避けます。

ローカル永続化（すべてディスク上、クラウドなし）:

~/.airecon/memory/airecon.db のSQLiteメモリDBに、セッション、検出結果、パターン、ターゲットインテル、ツール使用状況、モデルパフォーマンス、スキル使用状況、攻撃チェーンの発見を保存。
~/.airecon/learning/global_learning.json の適応学習状態（ツールパフォーマンス統計、戦略パターン、観察ログ、蒸留されたインサイト）。
永続化される場合、~/.airecon/memory/by_target/ 配下のターゲット別メモリファイルに、エンドポイント、脆弱性、WAFバイパス、機密パラメータ、認証エンドポイントを保存。
セッション永続化の実行時、ペイロードメモリスナップショットを workspace/<target>/payload_memory.json に保存可能。

動作への影響:

セッション開始時に、メモリコンテキストが注入されます（ターゲットインテル、類似の検出結果、学習済みパターン、ツールの信頼性）。
コールドスタート: 検出されたスタックに対する学習履歴がない場合、AIReconは静的な tech_correlations データセットからナレッジブリーフを注入します — つまり、データセットはイテレーション1から頭脳として使用されます。
intelligence_memory_recall_interval イテレーションごと（デフォルト 4）に、検出された技術に基づいて学習済みパターン／コールドスタートナレッジが再注入されます。相関は intelligence_correlation_interval ごと（デフォルト6）に実行されます。
検証済みのみの学習: 検証済み（または高信頼度）の検出結果のみがクロスセッションの頭脳に永続化されるため、偽陽性ではなく証明された知識が蓄積されます（intelligence_learn_only_verified、デフォルトでオン）。
適応ツールランキングは、過去の成功／失敗を使用してツールを順序付け、戦略を提案します。セッション内学習は、わずか intelligence_adaptive_min_observations（デフォルト2）の観察後に開始されます。
ペイロードメモリ（有効時）は、同じターゲット／パラメータで繰り返し失敗したペイロードをスキップします。

モデル要件

AIReconは、ゲートウェイが公開するあらゆるモデル（GPT、Claude、Gemini、Qwen、GLM、DeepSeek、ローカルのOllama/vLLMモデルなど）で動作します。重要な機能は2つあります:

⚠️ ネイティブのツール／関数呼び出しが必須です。 これがないと、エージェントはどのツール（http_observe、execute、browser、Caidoなど）も実行できず、機能しません。openai_supports_native_tools: true を維持してください。

推論は自動検出されます。 auto モードでは、AIReconはOpenAI標準の reasoning_effort を送信し、バックエンドがそれを拒否した場合（HTTP 400 未サポートパラメータ）、それを削除して記憶します — つまり、推論モデルは思考し、通常のモデルは壊れません。維持すべきモデル名リストはありません。

品質ガイダンス（プロバイダーに依存しない）:

強力な推論 + ツール呼び出し（例: GPT-5/oシリーズ、Claude Sonnet/Opus 4.x、Gemini 2.5、Qwen3 ≥32B、DeepSeek-R）→ 信頼性の高い完全な偵察パイプライン。
中規模モデル（ローカル8B〜14B） → 単純なタスクに使用可能。より多くのツール呼び出しエラーとハルシネーションを想定してください。
<8B ローカル → 本格的なテストには推奨されません。

ローカル／オフラインセットアップでは、ローカルゲートウェイ（Ollama/vLLM）の背後でモデルを実行し、openai_base_url をそこに向けてください（設定を参照）。品質はAIReconではなくモデルに比例します。

Google ColabでのOllama実行（限られたハードウェア）

GPUがない場合、またはローカルのVRAMが最小要件を下回る場合、無料のGoogle Colab T4 GPUでOllamaを実行し、公開トンネル経由でAIReconに接続できます。

ノートブックを開く:

仕組み:

Google Colab GPU                     Your Local Machine
┌──────────────────────────────┐          ┌──────────────────────────────┐
│  Local gateway (qwen3:8b)    │◄────────►│  AIRecon TUI                 │
│  cloudflared tunnel          │  HTTPS   │  openai_base_url: <tunnel>/v1│
└──────────────────────────────┘          └──────────────────────────────┘

手順:

上記のColabリンクを開き、Runtime → Change runtime type → T4 GPU を選択します
すべてのセルを上から下へ実行します（初回は約5～10分かかります）
Cell 6 に出力された設定スニペットを ~/.airecon/config.yaml にコピーします（Colabはトンネルの背後でOpenAI互換ゲートウェイを実行します）:

openai_base_url: "https://xxxx.trycloudflare.com/v1"   # printed by Cell 6 (note the /v1)
openai_api_key: ""                                       # set if the gateway requires one
openai_model: "qwen3:8b"
llm_timeout: 300.0
llm_chunk_timeout: 300.0
llm_context_window: 32768
llm_context_window_small: 16384

AIReconを通常どおり起動します: airecon start

Colab GPU → モデルの利用可否:

Colab GPU	VRAM	利用可能なモデル	プラン
T4	15 GB	`qwen3.5:9b`	無料
L4	22 GB	`qwen3.5:35b-a3b` (MoE)	Pro
A100	40 GB	`qwen3.5:35b`	Pro+
H100	80 GB	`qwen3.5:122b`	Pro+

制限事項:

Colabセッションは最大 12時間（無料）/ 24時間（Pro）— 再接続時にトンネルURLが変わります
qwen3.5:9b を使うT4が最小構成です — ローカルの35B以上のモデルと比べて応答が遅く、ツール呼び出しエラーが増えることを想定してください
長時間の自律セッションには適していません（ディープリコンはセッション制限を超えることがあります）
Colabノートブックは scripts/airecon_colab.ipynb にあります。セルフホストや改変をしたい場合はこちらを利用してください

インストール

前提条件: Python 3.12+、Docker 20.10+、openai_base_url で到達可能な OpenAI互換のLLMゲートウェイ（例: http://localhost:20128/v1 上のローカルOpenAI互換ゲートウェイ — これはそれ自体がローカルのOllama/vLLMをプロキシできます — またはホストされたエンドポイント）、git、curl

airecon

人気