正在整理你需要的资料…
蓝队写完检测规则,想确认它到底拦不拦得住攻击 —— ARTEX 的韩语分支 AegisLoop 从漏洞发现出发设计攻击与检测场景,在授权资产上用真实日志验证防御效果,还能基于 Splunk 日志做自主威胁狩猎。模型侧可选 Anthropic、OpenAI、Ollama 和 Amazon Bedrock Converse。
适合做蓝队检测工程验证、需要用大模型驱动攻防守演练并留存证据的安全团队;仅可用于已获授权的资产。
artex-ko-plus
蓝队写完检测规则,想确认它到底拦不拦得住攻击 —— ARTEX 的韩语分支 AegisLoop 从漏洞发现出发设计攻击与检测场景,在授权资产上用真实日志验证防御效果,还能基于 Splunk 日志做自主威胁狩猎
下面是把仓库 README 逐节读完后归纳出的中文要点。
在系统 → LLM → 新建配置里直接选择模型连接,界面提供的形式有 Anthropic、OpenAI (Chat Completions)、OpenAI (Responses API)、Ollama、Amazon Bedrock Converse 与 OrcaRouter Cyber Inference;每个配置可指定模型 ID 与连接地址,也能存下多个配置,在任务的 LLM 设置链里挑选使用
模型连接形式除上面几种外还区分 Ollama 本地与远程服务器,并给出已保存在本机的 Ollama 与 Bedrock Converse 配置截图,认证信息未出现在图里;Bedrock 需填所在区域的 Runtime URL、可用模型 ID 或推理配置 ID/ARN 与 API key,模型列表不自动查询;OrcaRouter 用 sk-orca- 开头的密钥,模型取自实时目录,默认 orcarouter/auto
在 Offensive → 诊断状况查看已存任务与脆弱点状况,实际诊断从 Offensive → 任务 → 新建任务开始,必填说明与目标,可按任务指定资产允许与阻断规则、LLM 设置链与超时时间;引擎结构上 Planner 与多个 Worker 共享资产图与任务级探索图,Planner 登记探索意图,Worker 在许可范围内执行并记录依据
图中结果来自 2026 年 10 月 26 日隔离环境的 VulnBank 练习,重新抓取脆弱点 #10 的结果,新装环境不会带上这份诊断记录或 Splunk 日志,实际 PIN、JWT 与响应原文已从公开截图中去掉;流程是先用 AI 依据脆弱点生成攻击流程与分段检测设计,此步不需要 Splunk 连接,再执行 ARTEX 再验证并接上审计与告警日志
在 Defensive → 自动狩猎里输入脆弱点名称、CVE 与攻击手法,指定有检索权限的 Splunk 连接、要查的日志类型、目标资产与历史时间范围,执行前确认查询范围,四个引擎依次做研究、攻击与检测场景设计、Splunk 狩猎与依据判定;威胁动向报告基于 CISA KEV 与若干安全媒体的公开信息,服务器每 15 分钟收集一次
逐项列出功能与判断口径:脆弱点诊断要把许可资产作为任务范围并由 Planner 与 Worker 核对原始请求响应与复现依据;攻击与检测场景由 AI 生成步骤、器材与日志候选及 SPL 草稿,器材是否部署需另行确认;防御验证把复现、检测与阻断分开判定;入侵调查要区分观察、推测与资料不足;自动狩猎给出逐阶段依据;闭环评估则比较重跑前后的日志与规则结果
| 主要语言 | Go | 许可 | AGPL-3.0 |
|---|---|---|---|
| 创建时间 | 2026-10-09 | 最近提交 | 2026-10-31 |
| 站内采集 | 2026-11-06 起,连续观察 2 天 | 最近一次 | 2026-11-07 |
最近 2 次采集
2026-11-06 262 ★ → 2026-11-07 263 ★ (累计 +1)
数据来自 GitHub 公开接口的每日采集快照,star 数为采集当时读到的值, 与 GitHub 页面上显示的实时数字可能有几分钟的差距。 项目名点击可回到 本页。