AI 搭載の自律型ペネトレーションテストエージェント

AIRecon は、セルフホストの Ollama LLM と Kali Linux Docker サンドボックス、ネイティブの Caido プロキシ統合、構造化された RECON → ANALYSIS → EXPLOIT → REPORT パイプライン、リアルタイムの Textual TUI を組み合わせた自律型ペネトレーションテストエージェントです。完全にオフラインで動作し、API キーは不要です。

Airecon

AIRecon が選ばれる理由

商用の API ベースモデル（OpenAI GPT-4、Claude、Gemini）は、セッションごとに数千回の LLM 呼び出しを必要とする再帰的な自律型 recon（偵察）ワークフローでは、法外なコストがかかります。

AIRecon は 100% ローカル・プライベート運用のために設計されています。

機能	AIRecon	クラウドベースエージェント
API キーが必要	いいえ	あり
対象データがクラウドに送信される	いいえ	あり
オフラインで動作	はい	いいえ
Caido 統合	ネイティブ	なし
セッション再開	はい	さまざま
ローカル知識ベース	約 109 万件	なし

プライバシー最優先 — 対象のインテリジェンス、ツール出力、レポートがマシンの外部に漏れることはありません。
Caido ネイティブ — 5 つの組み込みツール: list（一覧）、replay（再送信）、automate（自動化、§FUZZ§）、findings（検出結果）、scope（スコープ）。
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。
スキル知識ベース — 57 個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 で拡張可能 — CTF、バグバウンティ、ペンテスト向けの 57 個の追加 CLI ベースの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知識ベース — 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、レッドチーム手法、CTF writeup、nuclei テンプレート、バグバウンティペイロード）をローカルの SQLite FTS5 にインデックス化します。LLM は、馴染みのない手法を試みる前に dataset_search を自律的に呼び出し、実際にインデックス化されたデータに基づいて判断を下します。

パイプライン

RECON → ANALYSIS → EXPLOIT → REPORT

各フェーズには、具体的な目標、推奨ツール、自動遷移基準があります。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 イテレーションごと（フェーズ評価）、10 イテレーションごと（自己評価）、15 イテレーションごと（コンテキスト圧縮）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、ツール選択を導き、失敗した経路の繰り返しを避けるための、ローカルで構造化されたテレメトリです。

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。セッション、検出結果、パターン、対象インテル、ツール使用状況、モデルパフォーマンス、スキル使用状況、攻撃チェーン発見を保存します。
~/.airecon/learning/global_learning.json の適応型学習状態（ツールパフォーマンス統計、戦略パターン、観察ログ、蒸留された洞察）。
永続化時に ~/.airecon/memory/by_target/ 以下に対象ごとのメモリファイル（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含む）。
セッションの永続化実行時に、ペイロードメモリスナップショットを workspace/<target>/payload_memory.json に保存できます。

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（対象インテル、類似の検出結果、学習済みパターン、ツールの信頼性）。
8 イテレーションごとに、検出された技術に基づいて学習済みパターンと類似の検出結果を再注入できます。
適応型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並べ替え、戦略を提案します。
ペイロードメモリ（有効時）は、同じ対象/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 には、拡張思考（<think> ブロック）と信頼性の高いツール呼び出し機能を備えたモデルが必要です。機能は ollama show メタデータによって自動検出されます。

⚠️ ツール呼び出しのサポートは必須です。 モデルはネイティブの関数/ツール呼び出しをサポートしている必要があります。この機能がないモデルは、ツール（http_observe、execute、ブラウザ操作など）を一切実行できず、AIRecon は完全に機能しません。

推奨最小: 8B〜9B パラメータ。 8B 未満のモデルは技術的には使用可能ですが、強く推奨されません — ツール出力の幻覚、CVE の捏造、スコープルールの無視、信頼性の低いツール呼び出しを頻繁に発生させます。

モデル	Pull	VRAM	備考
Qwen3.5 122B	`ollama pull qwen3.5:122b`	48+ GB	最高品質、最も信頼性が高い
Qwen3.5 35B	`ollama pull qwen3.5:35b`	20 GB	ほとんどのユーザーに推奨
Qwen3.5 35b	`ollama pull qwen3.5:35b-a3b`	16 GB	MoE — 低 VRAM
Qwen3.5 9B	`ollama pull qwen3.5:9b`	6 GB	最小構成 — 頻繁なエラーが発生する可能性あり

モデルサイズの目安:

≥32B: 完全な recon パイプラインに信頼性あり、ツール呼び出しの精度も良好
8B〜14B: 単純なタスクに使用可能。ツール呼び出しエラーと幻覚が 20〜40% 発生することを想定
<8B: 技術的には動作するが、信頼性の低い結果を生成 — 本格的なテストには推奨されない

既知の問題: DeepSeek R1 は不完全な関数呼び出しを生成します。8B 未満のモデルは信頼性の高いツール呼び出しをサポートしていません。

Google Colab での Ollama の実行（限定的なハードウェア）

GPU がない場合や、ローカルの VRAM が最小要件を下回る場合は、無料の Google Colab T4 GPU で Ollama を実行し、パブリックトンネル経由で AIRecon を接続できます。

ノートブックを開く:

仕組み:

Google Colab GPU                     Your Local Machine
┌─────────────────────────┐          ┌──────────────────────────┐
│  Ollama (qwen3.5:9b)    │◄────────►│  AIRecon TUI             │
│  cloudflared tunnel     │  HTTPS   │  ollama_url: tunnel URL  │
└─────────────────────────┘          └──────────────────────────┘

手順:

上記の Colab リンクを開き、ランタイム → ランタイムのタイプを変更 → T4 GPU を選択します
すべてのセルを上から下に実行します（初回は約 5〜10 分かかります）
セル 6 で表示された設定スニペットを ~/.airecon/config.yaml にコピーします:

ollama_url: "https://xxxx.trycloudflare.com"   # printed by Cell 6
ollama_model: "qwen3.5:9b"
ollama_timeout: 300.0
ollama_chunk_timeout: 300.0
ollama_num_ctx: 32768
ollama_num_ctx_small: 16384

AIRecon を通常どおり起動します: airecon start

Colab GPU → 利用可能なモデル:

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 セッションは最長 12 時間（無料）/ 24 時間（Pro）です — 再接続するとトンネル URL が変わります
T4 + qwen3.5:9b は最小構成です — ローカルの 35B+ モデルよりも応答が遅く、ツール呼び出しエラーが多くなります
長時間の自律セッションには不向きです（ディープ recon がセッション制限を超える可能性があります）
Colab ノートブックは scripts/airecon_colab.ipynb にあります。セルフホストや変更も可能です

インストール

前提条件: Python 3.12+、Docker 20.10+、Ollama（実行中）、git、curl

ワンラインインストール（推奨）

curl -fsSL https://raw.githubusercontent.com/pikpikcu/airecon/refs/heads/main/scripts/install.sh | bash

このスクリプトはリモートモードとローカルモードを自動検出し、Poetry がなければ（公式インストーラー経由で — システムパッケージとの競合なし）インストールし、wheel をビルドして ~/.local/bin にインストールします。

手動インストール（ソースから）

git clone https://github.com/pikpikcu/airecon.git
cd airecon
./install.sh

# Add to ~/.bashrc or ~/.zshrc if needed
export PATH="$HOME/.local/bin:$PATH"

airecon --version

設定

設定ファイル: ~/.airecon/config.yaml（初回実行時に自動生成）。AIRecon は、カスタムの ~ パスを使用する場合も含め、存在しない場合は ~/.airecon/ を作成します。

# ======================================
# Ollama Connection
# ======================================
# Ollama API endpoint. REQUIRED — must be set. For local: http://127.0.0.1:11434. For remote: http://IP:11434
ollama_url: "http://127.0.0.1:11434"
# Model to use. 122B for best reasoning (requires 60GB+ VRAM). For 12GB VRAM: use qwen2.5:7b or smaller. For 8GB VRAM: use qwen2.5:1.8b.
ollama_model: "qwen3.5:122b"
# Total request timeout (seconds). 180s = 3 min. Stable for most models. Increase to 300s for slow remote servers or 122B models.
ollama_timeout: 180.0

airecon

人気