用途限制声明，本文仅用于网络安全技术研究、教育与知识分享。文中涉及的渗透测试方法与工具，严禁用于未经授权的网络攻击、数据窃取或任何违法活动。任何因不当使用本文内容导致的法律后果，作者及发布平台不承担任何责任。渗透测试涉及复杂技术操作，可能对目标系统造成数据损坏、服务中断等风险。读者需充分评估技术能力与潜在后果，在合法合规前提下谨慎实践。
最近在开发一款内网自动化的渗透工具，没有多少创新，但是也是从使用工具到开发工具的一个重要的转折点了，这里我主要介绍的是信息收集模块和AI分析模块，在这款工具我引用了AI工具，只是简单的信息分析和进行对话交流，下面介绍一下这两个模块，这里只是简单分享一下思路，代码无法使用的，也不是最终代码，其它模块还在开发中，下面是信息收集的模块
import time
import os
from command_utils import CommandUtils
# 系统命令集（Windows/Linux）
commands = {
"Windows": {
"网络信息": "ipconfig /all",
"用户列表": "net user",
"本地管理员组": "net localgroup administrators",
"进程列表": "tasklist",
"计划任务": "schtasks /query /fo list",
"开放端口": "netstat -ano"
},
"Linux": {
"网络信息": "ip addr && cat /etc/resolv.conf",
"用户列表": "cat /etc/passwd && cat /etc/group",
"sudo权限用户": "grep 'sudo' /etc/group",
"进程列表": "ps aux",
"计划任务": "crontab -l && ls -la /etc/cron.d",
"开放端口": "netstat -tulpn"
}
}
def collect_system_info(target_ip, os_type, folder):
"""
收集系统信息并保存到统一目录
:param folder: 统一结果文件夹路径（从GUI传入）
"""
if os_type not in commands:
print(f"不支持的系统类型：{os_type}，无法收集信息")
return
print(f"\n开始收集{os_type}系统信息（保存到：{folder}）...")
for category, cmd in commands[os_type].items():
print(f"正在执行：{category}（命令：{cmd}）")
# 执行命令
cmd_result = CommandUtils.execute_command(cmd)
output = cmd_result["output"] if cmd_result["success"] else cmd_result["error"]
# 保存到统一目录（文件名：分类.txt）
file_path = os.path.join(folder, f"{category}.txt")
try:
with open(file_path, "w", encoding="utf-8") as f:
f.write(
f"目标IP：{target_ip}\n执行命令：{cmd}\n执行时间：{time.strftime('%Y-%m-%d %H:%M:%S')}\n\n{output}")
print(f"✅ {category}已保存到：{file_path}")
except Exception as e:
print(f"❌ 保存{category}失败：{str(e)}")
print(f"\n所有系统信息已保存至统一目录：{folder}")
if __name__ == "__main__":
# 本地测试用（实际使用由GUI调用）
target_ip = input("请输入目标IP地址：")
time_str = time.strftime("%Y-%m-%d_%H-%M-%S", time.localtime())
folder = os.path.join("results_history", f"{time_str}_{target_ip}_system_info")
os.makedirs(folder, exist_ok=True)
# 识别系统类型
print("\n正在识别系统类型...")
os_info = CommandUtils.detect_os_type(target_ip)
os_type = os_info["os_type"]
ping_result = os_info["ping_result"]
print(f"识别结果：{os_type}")
# 保存系统类型
with open(os.path.join(folder, "系统类型.txt"), "w", encoding="utf-8") as f:
f.write(
f"目标IP：{target_ip}\n系统类型：{os_type}\nping结果：{ping_result}\n识别时间：{time.strftime('%Y-%m-%d %H:%M:%S')}")
# 收集系统信息
collect_system_info(target_ip, os_type, folder)1. 导入模块部分
import time
import os
from command_utils import CommandUtils
time：用于处理时间相关操作（如获取当前时间、格式化时间）os：用于处理文件和目录操作（如创建文件夹、拼接路径）CommandUtils：自定义的命令工具类（推测包含执行系统命令、检测系统类型等功能）
2. 系统命令集定义
commands = {
"Windows": {
"网络信息": "ipconfig /all",
"用户列表": "net user",
"本地管理员组": "net localgroup administrators",
"进程列表": "tasklist",
"计划任务": "schtasks /query /fo list",
"开放端口": "netstat -ano"
},
"Linux": {
"网络信息": "ip addr && cat /etc/resolv.conf",
"用户列表": "cat /etc/passwd && cat /etc/group",
"sudo权限用户": "grep 'sudo' /etc/group",
"进程列表": "ps aux",
"计划任务": "crontab -l && ls -la /etc/cron.d",
"开放端口": "netstat -tulpn"
}
}
- 这是一个嵌套字典，按系统类型（Windows/Linux）分类存储需要执行的命令
- 键是信息类别（如 "网络信息"、"用户列表"），值是对应系统下获取该信息的命令
- 不同系统获取同一类信息的命令不同（如 Windows 用
ipconfig，Linux 用ip addr）
3. 核心函数：collect_system_info
def collect_system_info(target_ip, os_type, folder):
"""
收集系统信息并保存到统一目录
:param folder: 统一结果文件夹路径（从GUI传入）
"""
# 检查系统类型是否支持
if os_type not in commands:
print(f"不支持的系统类型：{os_type}，无法收集信息")
return
print(f"\n开始收集{os_type}系统信息（保存到：{folder}）...")
# 遍历当前系统的所有命令
for category, cmd in commands[os_type].items():
print(f"正在执行：{category}（命令：{cmd}）")
# 执行命令（调用自定义工具类的方法）
cmd_result = CommandUtils.execute_command(cmd)
# 提取命令输出（成功取output，失败取error）
output = cmd_result["output"] if cmd_result["success"] else cmd_result["error"]
# 拼接保存文件的路径（文件夹+类别.txt）
file_path = os.path.join(folder, f"{category}.txt")
try:
# 写入文件（包含目标IP、命令、时间、输出结果）
with open(file_path, "w", encoding="utf-8") as f:
f.write(
f"目标IP：{target_ip}\n执行命令：{cmd}\n执行时间：{time.strftime('%Y-%m-%d %H:%M:%S')}\n\n{output}")
print(f"✅ {category}已保存到：{file_path}")
except Exception as e:
print(f"❌ 保存{category}失败：{str(e)}")
print(f"\n所有系统信息已保存至统一目录：{folder}")
- 功能：根据系统类型执行对应命令，将结果保存到指定文件夹
- 流程：
- 检查系统类型是否在支持列表中（Windows/Linux）
- 循环遍历该系统的所有命令（如 "网络信息" 对应的命令）
- 调用
CommandUtils.execute_command执行命令，获取结果 - 将结果写入以 "类别.txt" 命名的文件（包含详细元信息：目标 IP、命令、时间等）
- 处理文件写入的异常（如权限问题），并打印成功 / 失败信息
4. 主程序入口
if __name__ == "__main__":
# 本地测试用（实际使用由GUI调用）
target_ip = input("请输入目标IP地址：")
# 生成包含时间和IP的文件夹名称（确保唯一性）
time_str = time.strftime("%Y-%m-%d_%H-%M-%S", time.localtime())
folder = os.path.join("results_history", f"{time_str}_{target_ip}_system_info")
# 创建文件夹（如果已存在则不报错）
os.makedirs(folder, exist_ok=True)
# 识别系统类型（调用自定义工具类的方法）
print("\n正在识别系统类型...")
os_info = CommandUtils.detect_os_type(target_ip)
os_type = os_info["os_type"]
ping_result = os_info["ping_result"]
print(f"识别结果：{os_type}")
# 保存系统类型信息到文件
with open(os.path.join(folder, "系统类型.txt"), "w", encoding="utf-8") as f:
f.write(
f"目标IP：{target_ip}\n系统类型：{os_type}\nping结果：{ping_result}\n识别时间：{time.strftime('%Y-%m-%d %H:%M:%S')}")
# 调用核心函数收集系统信息
collect_system_info(target_ip, os_type, folder)
- 功能：提供本地测试入口（实际使用时由 GUI 调用）
- 流程：
- 获取用户输入的目标 IP
- 生成唯一的结果文件夹（路径包含时间戳和 IP，避免重名）
- 调用
CommandUtils.detect_os_type检测目标系统类型（Windows/Linux） - 将系统类型信息保存到 "系统类型.txt"
- 调用
collect_system_info函数开始收集详细系统信息
接下来是AI分析模块，主要思路是将信息收集模块转到AI分析模块进行信息分析，代码如下
import os
import re
import logging
from datetime import datetime
import json
from typing import Dict, List, Optional, Generator
from command_utils import AIUtils
# 配置日志，便于调试分析过程
logging.basicConfig(
filename="ai_analyzer.log",
level=logging.INFO,
format="%(asctime)s - %(levelname)s - %(message)s"
)
class AIAnalyzer:
# 风险等级关键字映射（用于后续结果解析）
RISK_LEVELS = {"高危": 3, "中危": 2, "低危": 1}
# 在 ai_analyzer.py 的 AIAnalyzer 类中添加以下静态方法
@staticmethod
def get_initial_messages(result_folder: str) -> (Optional[List[Dict]], str):
"""生成初始对话消息（基于结果文件夹数据）"""
# 读取结果文件夹数据
data, msg = AIAnalyzer.read_module_data(result_folder)
if not data:
return None, f"读取数据失败：{msg}"
# 生成初始分析prompt
initial_prompt = AIAnalyzer.generate_initial_prompt(data)
# 新增：校验prompt是否为空
if not initial_prompt.strip(): # 排除纯空白字符串
return None, "生成的初始分析提示为空，请检查是否有有效数据"
# 构造初始对话消息（确保content非空）
messages = [
{
"role": "user",
"content": initial_prompt.strip() # 移除首尾空白
}
]
return messages, "成功生成初始消息"
@staticmethod
def analyze(messages: List[Dict]) -> Dict:
"""
调用AI工具进行分析（基于消息列表）
返回：AI分析结果（包含success、stream/error字段）
"""
# 复用AIUtils中的AI交互逻辑
return AIUtils.analyze_with_ai(messages)
@staticmethod
def read_module_data(result_folder: str) -> (Optional[Dict], str):
"""
读取统一文件夹下的所有模块数据（系统信息、nmap结果等）
增强：添加大文件处理、数据分类和日志记录
"""
data: Dict = {"files": {}, "metadata": {}} # 结构化存储：文件数据+元信息
if not os.path.exists(result_folder):
err_msg = f"统一结果目录不存在: {result_folder}"
logging.error(err_msg)
return None, err_msg
# 记录目录元信息
data["metadata"]["folder_path"] = result_folder
data["metadata"]["collect_time"] = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
data["metadata"]["file_count"] = 0
try:
for filename in os.listdir(result_folder):
file_path = os.path.join(result_folder, filename)
if not os.path.isfile(file_path):
continue # 跳过子目录
# 按文件类型分类（系统信息/扫描结果/交互历史）
file_type = "other"
if filename.startswith("系统"):
file_type = "system_info"
elif filename.startswith("nmap"):
file_type = "scan_result"
elif "AI交互" in filename:
file_type = "chat_history"
# 读取文件内容（大文件限制读取前2000字符，避免内存占用过高）
try:
with open(file_path, "r", encoding="utf-8", errors="ignore") as f:
content = f.read(2000) # 限制读取长度
if os.path.getsize(file_path) > 2000:
content += "\n[文件内容过长，已截断显示]"
except Exception as e:
err_msg = f"读取文件 {filename} 失败: {str(e)}"
logging.warning(err_msg)
content = f"[读取失败: {str(e)}]"
# 存储文件数据（含类型标识）
data["files"][filename] = {
"type": file_type,
"content": content,
"size": os.path.getsize(file_path)
}
data["metadata"]["file_count"] += 1
logging.info(f"成功读取目录数据，共{data['metadata']['file_count']}个文件")
return data, "成功"
except Exception as e:
err_msg = f"目录数据读取失败: {str(e)}"
logging.error(err_msg)
return None, err_msg
@staticmethod
def _extract_key_info(data: Dict) -> Dict:
"""提取关键信息（辅助方法），减少冗余数据干扰AI分析"""
key_info = {
"os_type": "未知",
"open_ports": [],
"users": [],
"critical_processes": [],
"risk_hints": []
}
# 从系统类型文件提取操作系统信息
for fname, fdata in data["files"].items():
if fdata["type"] == "system_info" and "系统类型" in fname:
os_match = re.search(r"系统类型：(.+?)\n", fdata["content"])
if os_match:
key_info["os_type"] = os_match.group(1).strip()
# 从nmap结果提取开放端口
elif fdata["type"] == "scan_result":
port_matches = re.findall(r"(\d+/tcp)\s+open\s+(.+?)\s", fdata["content"])
key_info["open_ports"] = [f"{p} ({s})" for p, s in port_matches]
# 从系统信息提取用户列表
elif fdata["type"] == "system_info" and "用户" in fname:
user_matches = re.findall(r"用户名：(.+?)\s", fdata["content"])
key_info["users"] = list(set(user_matches)) # 去重
# 生成风险提示（基于关键信息）
if "22/tcp" in [p.split()[0] for p in key_info["open_ports"]]:
key_info["risk_hints"].append("SSH端口(22)开放，需确认是否使用强认证")
if len(key_info["users"]) > 5:
key_info["risk_hints"].append(f"发现{len(key_info['users'])}个用户，需检查是否有冗余账号")
return key_info
@staticmethod
def generate_initial_prompt(data: Dict) -> str:
key_info = AIAnalyzer._extract_key_info(data)
# 生成文件列表摘要
file_summary = "\n".join([
f"- {fname}（{fdata['type']}，{fdata['size']}字节）"
for fname, fdata in data["files"].items()
])
# 确保提示词至少包含基础内容（避免空值）
if not file_summary and not key_info:
return "请基于提供的系统数据（可能为空），生成安全分析报告。"
# 正常生成提示词
return f"""
基于以下收集到的目标系统数据，生成一份安全分析报告：
1. 关键信息摘要：
- 操作系统类型：{key_info['os_type']}
- 开放端口：{key_info['open_ports'] if key_info['open_ports'] else '无'}
- 风险提示：{key_info['risk_hints'] if key_info['risk_hints'] else '无'}
2. 可用文件列表：
{file_summary if file_summary else '无有效文件'}
请分析潜在风险、漏洞点，并给出修复建议。
""".strip()
1. 导入模块与日志配置
import os
import re
import logging
from datetime import datetime
import json
from typing import Dict, List, Optional, Generator
from command_utils import AIUtils
# 配置日志，便于调试分析过程
logging.basicConfig(
filename="ai_analyzer.log",
level=logging.INFO,
format="%(asctime)s - %(levelname)s - %(message)s"
)
- 导入的模块：
os/re：处理文件路径和正则匹配（提取关键信息）logging：记录日志（便于追踪分析过程中的问题）datetime：处理时间（记录数据收集时间）typing：提供类型提示（增强代码可读性和 IDE 支持）AIUtils：自定义 AI 工具类（提供与 AI 交互的底层能力）
- 日志配置：指定日志文件为
ai_analyzer.log，级别为INFO（记录一般信息），格式包含时间、级别和消息内容。
2. AIAnalyzer类定义与基础属性
class AIAnalyzer:
# 风险等级关键字映射（用于后续结果解析）
RISK_LEVELS = {"高危": 3, "中危": 2, "低危": 1}
RISK_LEVELS：静态字典，将风险等级文字（如 "高危"）映射为数字（3/2/1），方便后续对风险等级进行量化处理（如排序、统计）。
3. get_initial_messages方法
@staticmethod
def get_initial_messages(result_folder: str) -> (Optional[List[Dict]], str):
"""生成初始对话消息（基于结果文件夹数据）"""
# 读取结果文件夹数据
data, msg = AIAnalyzer.read_module_data(result_folder)
if not data:
return None, f"读取数据失败：{msg}"
# 生成初始分析prompt
initial_prompt = AIAnalyzer.generate_initial_prompt(data)
# 新增：校验prompt是否为空
if not initial_prompt.strip(): # 排除纯空白字符串
return None, "生成的初始分析提示为空，请检查是否有有效数据"
# 构造初始对话消息（确保content非空）
messages = [
{
"role": "user",
"content": initial_prompt.strip() # 移除首尾空白
}
]
return messages, "成功生成初始消息"
- 功能：生成给 AI 的初始对话消息（用户角色的提示词）。
- 流程：
- 调用
read_module_data读取结果文件夹中的数据。 - 若读取失败，返回错误信息；若成功，调用
generate_initial_prompt生成提示词。 - 校验提示词是否有效（非空），无效则返回错误。
- 构造标准格式的消息列表（包含
role和content），返回消息和成功提示。
- 调用
4. analyze方法
@staticmethod
def analyze(messages: List[Dict]) -> Dict:
"""
调用AI工具进行分析（基于消息列表）
返回：AI分析结果（包含success、stream/error字段）
"""
# 复用AIUtils中的AI交互逻辑
return AIUtils.analyze_with_ai(messages)
- 功能：作为与 AI 交互的入口，接收对话消息列表，调用底层工具进行分析。
- 逻辑：直接复用
AIUtils.analyze_with_ai方法（隐藏了 AI 调用的细节，如 API 请求、参数处理等），返回 AI 的分析结果（通常包含是否成功、分析内容或错误信息）。
5. read_module_data方法
@staticmethod
def read_module_data(result_folder: str) -> (Optional[Dict], str):
"""
读取统一文件夹下的所有模块数据（系统信息、nmap结果等）
增强：添加大文件处理、数据分类和日志记录
"""
data: Dict = {"files": {}, "metadata": {}} # 结构化存储：文件数据+元信息
if not os.path.exists(result_folder):
err_msg = f"统一结果目录不存在: {result_folder}"
logging.error(err_msg)
return None, err_msg
# 记录目录元信息
data["metadata"]["folder_path"] = result_folder
data["metadata"]["collect_time"] = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
data["metadata"]["file_count"] = 0
try:
for filename in os.listdir(result_folder):
file_path = os.path.join(result_folder, filename)
if not os.path.isfile(file_path):
continue # 跳过子目录
# 按文件类型分类（系统信息/扫描结果/交互历史）
file_type = "other"
if filename.startswith("系统"):
file_type = "system_info"
elif filename.startswith("nmap"):
file_type = "scan_result"
elif "AI交互" in filename:
file_type = "chat_history"
# 读取文件内容（大文件限制读取前2000字符，避免内存占用过高）
try:
with open(file_path, "r", encoding="utf-8", errors="ignore") as f:
content = f.read(2000) # 限制读取长度
if os.path.getsize(file_path) > 2000:
content += "\n[文件内容过长，已截断显示]"
except Exception as e:
err_msg = f"读取文件 {filename} 失败: {str(e)}"
logging.warning(err_msg)
content = f"[读取失败: {str(e)}]"
# 存储文件数据（含类型标识）
data["files"][filename] = {
"type": file_type,
"content": content,
"size": os.path.getsize(file_path)
}
data["metadata"]["file_count"] += 1
logging.info(f"成功读取目录数据，共{data['metadata']['file_count']}个文件")
return data, "成功"
except Exception as e:
err_msg = f"目录数据读取失败: {str(e)}"
logging.error(err_msg)
return None, err_msg
- 功能：读取结果文件夹中的所有文件数据，进行结构化处理和分类。
- 核心逻辑：
- 初始化数据结构：
files存储文件详情，metadata存储目录元信息（路径、收集时间、文件数）。 - 检查文件夹是否存在，不存在则记录错误并返回。
- 遍历文件夹中的文件，跳过子目录，按文件名规则分类（系统信息 / 扫描结果 / 交互历史）。
- 读取文件内容（大文件截断为前 2000 字符，避免内存溢出），处理读取错误（记录日志并标记失败）。
- 将文件信息（类型、内容、大小）存入
files，更新文件计数，最终返回结构化数据。
- 初始化数据结构：
6. _extract_key_info方法
@staticmethod
def _extract_key_info(data: Dict) -> Dict:
"""提取关键信息（辅助方法），减少冗余数据干扰AI分析"""
key_info = {
"os_type": "未知",
"open_ports": [],
"users": [],
"critical_processes": [],
"risk_hints": []
}
# 从系统类型文件提取操作系统信息
for fname, fdata in data["files"].items():
if fdata["type"] == "system_info" and "系统类型" in fname:
os_match = re.search(r"系统类型：(.+?)\n", fdata["content"])
if os_match:
key_info["os_type"] = os_match.group(1).strip()
# 从nmap结果提取开放端口
elif fdata["type"] == "scan_result":
port_matches = re.findall(r"(\d+/tcp)\s+open\s+(.+?)\s", fdata["content"])
key_info["open_ports"] = [f"{p} ({s})" for p, s in port_matches]
# 从系统信息提取用户列表
elif fdata["type"] == "system_info" and "用户" in fname:
user_matches = re.findall(r"用户名：(.+?)\s", fdata["content"])
key_info["users"] = list(set(user_matches)) # 去重
# 生成风险提示（基于关键信息）
if "22/tcp" in [p.split()[0] for p in key_info["open_ports"]]:
key_info["risk_hints"].append("SSH端口(22)开放，需确认是否使用强认证")
if len(key_info["users"]) > 5:
key_info["risk_hints"].append(f"发现{len(key_info['users'])}个用户，需检查是否有冗余账号")
return key_info
- 功能：从
read_module_data返回的原始数据中提取关键信息（减少冗余，突出重点），为生成 AI 提示词做准备。 - 提取逻辑：
- 初始化关键信息结构（操作系统、开放端口、用户列表等）。
- 遍历文件数据，通过正则表达式提取：
- 从系统类型文件提取操作系统类型（如 Windows/Linux）。
- 从扫描结果文件提取开放端口（如
22/tcp (ssh)）。 - 从用户信息文件提取用户名（去重处理）。
- 基于提取的信息生成初步风险提示（如 SSH 端口开放、用户数量过多）。
7. generate_initial_prompt方法
@staticmethod
def generate_initial_prompt(data: Dict) -> str:
key_info = AIAnalyzer._extract_key_info(data)
# 生成文件列表摘要
file_summary = "\n".join([
f"- {fname}（{fdata['type']}，{fdata['size']}字节）"
for fname, fdata in data["files"].items()
])
# 确保提示词至少包含基础内容（避免空值）
if not file_summary and not key_info:
return "请基于提供的系统数据（可能为空），生成安全分析报告。"
# 正常生成提示词
return f"""
基于以下收集到的目标系统数据，生成一份安全分析报告：
1. 关键信息摘要：
- 操作系统类型：{key_info['os_type']}
- 开放端口：{key_info['open_ports'] if key_info['open_ports'] else '无'}
- 风险提示：{key_info['risk_hints'] if key_info['risk_hints'] else '无'}
2. 可用文件列表：
{file_summary if file_summary else '无有效文件'}
请分析潜在风险、漏洞点，并给出修复建议。
""".strip()
- 功能：生成给 AI 的初始提示词（指导 AI 进行安全分析的指令）。
- 逻辑：
- 调用
_extract_key_info获取关键信息摘要。 - 生成文件列表摘要（包含文件名、类型、大小）。
- 组合成自然语言提示词，要求 AI 基于提供的信息分析潜在风险、漏洞点并给出修复建议。
- 处理边界情况（如无数据时，生成基础提示词避免空输入）。
- 调用
以下是工具的一部分情况
信息收集中我集成了nmap工具，系统命令所收集的信息都放在一个文档中
然后再看看AI分析模块
能够进行信息的分析，也能够进行简单的交互，目前其功能还在完善当中，还有很多的瑕疵。
扫一扫
768
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
