面向智能渗透测试的多Agent协同决策与攻击链自主推演方法

摘要

传统网络安全靶场中的攻击模拟依赖专家预设攻击路径，无法复现真实攻击者在信息不完全环境下的自主决策与多步攻击链构建过程。基于此，本文提出一种面向智能渗透测试的多智能体（Agent）协同决策与攻击链自主推演方法。首先，将复杂攻击任务拆解为侦察、研判、利用、横向移动与持久化5类原子任务，分配给功能特异的攻击子Agent；其次，设计基于战术价值网络与技术策略网络的分层强化学习决策模型，使Agent在“黑盒”场景下具备动态博弈与方案比选能力；最后，引入基于思维链的失败诊断与策略修正机制，在攻击受阻时自动进行错误归因与路径调整。在多种靶场环境中的实验表明：在中等复杂度场景下攻击成功率达88.6%，攻击链完整性显著优于基线方法，行为拟真度评分为4.1(5分制)，且在异常场景下展现出较强的鲁棒性。

关键词

智能渗透测试 / 多智能体协同 / 分层强化学习 / 攻击链推演 / 思维链推理