自主反思型执行代理（Go/Java）的隔离演示环境
Русский 🇷🇺 • English 🇬🇧 • 中文 🇨🇳 • Español 🇪🇸 • Deutsch 🇩🇪 • Italiano 🇮🇹 • العربية 🇸🇦
[!NOTE] AUTO AUDIT 是一套软件系统，演示针对关键漏洞 Log4Shell (CVE-2021-44228 / БДУ ФСТЭК:2021-06103) 的 100% 自主闭环（Sense-Think-Act）：检测、验证、利用、自动修复（Self-Healing / Auto-Remediation）与合规报告。
该演示环境部署了基于 Java Spring Boot 的本地 Web 应用、内置 LDAP TCP Callback Listener，以及 Go 代理的认知核心，后者在外部环境部分可观测（Partially Observable Markov Decision Process — POMDP）的条件下进行决策。```mermaid %%{init: { 'theme': 'dark', 'themeVariables': { 'background': '#0f172a', 'primaryColor': '#1e293b', 'primaryTextColor': '#cbd5e1', 'primaryBorderColor': '#3b82f6', 'lineColor': '#38bdf8', 'secondaryColor': '#1e1b4b', 'tertiaryColor': '#0f172a', 'edgeLabelBackground': '#0f172a' } }}%% graph TD classDef sense fill:#0284c7,stroke:#0ea5e9,stroke-width:2px,color:#fff; classDef think fill:#4f46e5,stroke:#6366f1,stroke-width:2px,color:#fff; classDef act fill:#059669,stroke:#10b981,stroke-width:2px,color:#fff; classDef target fill:#dc2626,stroke:#ef4444,stroke-width:2px,color:#fff;
subgraph Sense ["🔍 СЕНСОРНЫЙ АНАЛИЗ (Sense)"]
A[Внешние отклики / TCP-коллбеки]:::sense --> B(Обновление Базы Знаний):::sense
end
subgraph Think ["🧠 КОГНИТИВНОЕ ЯДРО (Think)"]
B --> C{Вычисление Utility Policy}:::think
C -->|Рефлексивный вывод| D[Выбор эффектора из реестра]:::think
end
subgraph subgraph_Act ["⚡ ИСПОЛНЕНИЕ (Act)"]
D --> E[Выполнение Tool.Execute]:::act
E -->|Воздействие| F((Java Spring Boot Target)):::target
F -.->|Обратный канал OOB| A
end
---
## 🛠️ 技术架构与组件
代理的软件结构按照整洁架构（*Hexagonal Architecture / Ports and Adapters*）、SOLID 和 TDD 原则设计：
* 📂 **[cmd/agent/main.go](https://github.com/c00ln3t/log4shellauditor/blob/main/cmd/agent/main.go)** — 入口点。管理后台进程的生命周期，并协调代理 goroutine 的启动。
* 📂 **`internal/`** — 认知回路的核心业务逻辑：
* 🧠 **[agent/agent.go](https://github.com/c00ln3t/log4shellauditor/blob/main/internal/agent/agent.go)** — 认知回路。实现控制循环和策略选择决策规则 `Think()`。
* 💾 **[core/model.go](https://github.com/c00ln3t/log4shellauditor/blob/main/internal/core/model.go)** — 基于 `sync.RWMutex` 的线程安全知识库（`KnowledgeBase` / LTM）。
* 🔌 **[core/effector.go](https://github.com/c00ln3t/log4shellauditor/blob/main/internal/core/effector.go)** — 效应器的 `Tool` 接口。
* ⚙️ **[effectors/](https://github.com/c00ln3t/log4shellauditor/blob/main/internal/effectors)** — 多态效应器（工具）注册表：
* 🔍 `ToolPortScanner` — 网络边界侦察。
* 🌐 `ToolDiscovery` — 搜索连接点和输入向量（`X-Api-Version`）。
* 🔬 `ToolPayloadGenerator` — 合成 JNDI 特征向量。
* 🚀 `ToolProber` — 通过带外（Out-of-Band）跟踪方式验证漏洞。
* 🛡️ `ToolSemanticFuzzer` — 通过嵌套语法变异绕过过滤分类器（WAF Evasion）。
* 🩹 `ToolRemediator` — 自动修补（Self-Healing）。
* 📄 `ToolReporter` — 按照 ГОСТ Р 56939-2016 生成报告。
* 📂 **`pkg/`** — 辅助包与库：
* 📡 **[oob/](https://github.com/c00ln3t/log4shellauditor/blob/main/pkg/oob)** — 带外（Out-of-band）监听器（LDAP 和 HTTP）。
* ☕ **[jvm/](https://github.com/c00ln3t/log4shellauditor/blob/main/pkg/jvm)** — 管理本地 Java 目标的生命周期与重启。
* 📂 **[deployments/](https://github.com/c00ln3t/log4shellauditor/blob/main/deployments)** — 部署配置文件（Docker、Compose）。
* 📂 **[test/vulnerable-app/](https://github.com/c00ln3t/log4shellauditor/blob/main/test/vulnerable-app)** — 存在漏洞的测试用 Java Spring Boot 应用。
---
## 🎯 数学工具与认知循环（Think-Act Loop）规范
代理的决策被形式化为**部分可观测马尔可夫决策过程（POMDP）**，由元组 $\langle S, A, T, R, \Omega, O, \gamma \rangle$ 描述：
* $S$ — 目标环境的离散隐藏状态空间（端口可用性、是否存在易受攻击的参数、WAF 活动状态、是否被入侵、补丁状态、是否存在合规报告）。
* $A$ — 效应器动作空间（工具调用：`port_scanner`、`discovery`、`payload_generator`、`prober`、`semantic_fuzzer`、`remediator`、`reporter`、`stop`）。
* $\Omega$ — 观测空间（收到的 HTTP 响应、OOB TCP 回调、文件系统记录）。
* $O(o \mid s', a)$ — 观测函数，定义获得响应 $o \in \Omega$ 的概率。
### 1. 置信向量（Belief State）
代理无法直接获取环境的隐藏状态 $s \in S$，而是使用置信向量 $b(s)$ —— 即 $S$ 上的概率分布，该分布存储于 `KnowledgeBase` 内存中并动态更新：
* $b(S_{recon}) \in \{0, 1\}$ — 网络侦察状态（端口开放/关闭）。映射到 `ToolPerformance["port_scanner"]`。
* $b(S_{discovery}) \in \{0, 1\}$ — 输入向量映射（是否找到参数）。映射到 `len(DiscoveryVectors) > 0`。
* $b(S_{payload}) \in \{0, 1\}$ — 漏洞利用特征是否就绪。映射到 `len(CustomPayloads) > 0`。
* $b(S_{exploit}) \in \{0, 1\}$ — 入侵状态（是否存在 Loot/Flag）。映射到 `len(Loot) > 0`。
* $b(S_{patch}) \in \{0, 1\}$ — 漏洞是否已定位。映射到 `PatchApplied`。
* $b(S_{verify}) \in \{0, 1\}$ — 验证是否无重复 OOB 触发。映射到 `PatchVerified`。
* $b(S_{report}) \in \{0, 1\}$ — 是否生成合规报告。映射到 `ReportGenerated`。
### 2. 决策规则函数（Policy Mapping）
决策函数 `Think()` 实现确定性决策规则 $\pi: B \to A$，将当前累积的置信状态 $b$ 依次映射到最优效应器动作 $a \in A$。
### 3. 自适应学习与工具效能评估
对于每个工具 $a \in A$，在 `ToolStats` 内存中累积统计数据，并计算效用指标（Efficiency Score）：
$$\text{EfficiencyScore}(a) = \frac{SuccessCount_a}{UsageCount_a}$$
代理利用这些指标动态调整轨迹：如果主探测 `prober` 失败（$\text{EfficiencyScore}(\text{prober}) = 0$），代理判定目标节点存在过滤（WAF），启用使用 `semantic_fuzzer` 工具的 WAF 绕过补偿策略，并对注入向量执行变异。
### 实验台分步执行场景：