StrikeAgent_AtkBrain-Flash 是夜安团队 SEC 开发的 AI Agent 安全测试平台。它将任务目标、攻击图、执行轨迹、监督决策、漏洞复核和交付报告组织为一套工作流，尝试解决长任务中的上下文断裂、方向偏移和结果难以复核等问题。
2026 年 9 月 20 日，项目团队发布文章，称 StrikeAgent 在 TSecBench v1 Agentic 跑分榜中取得 97.89/100 分、排名第一。这一数字是原文发布时的项目方记录；本文不将其表述为实时排名，也不据此推断工具在任意真实环境中的表现。
项目代码与文档见 StrikeAgent_AtkBrain-Flash 官方仓库。
平台工作流包含什么
原文描述的平台面向单目标或资产集群，可按红队、CTF、蓝队及 SRC 等授权场景组织任务。操作者在入口配置目标、端口、身份信息和约束，执行过程中观察时间线和发现，结束后整理报告。
| 环节 | 主要作用 |
|---|---|
| 任务创建 | 明确目标、资产范围、任务类型及约束 |
| 攻击图 | 记录目标、服务、候选问题及其关系 |
| 执行时间线 | 保留工具调用与阶段进展，便于回溯 |
| 人工对话 | 补充上下文、调整方向或中断当前轮次 |
| 漏洞复核 | 检查候选问题的条件、证据及影响 |
| 报告交付 | 整理路径、资产画像、结论和修复建议 |
这类平台能把分散信息集中起来，但结果质量仍取决于工具覆盖、模型理解、环境条件和人工审查。站内的 AutoCVE 多 Agent 漏洞发现流程 也讨论了如何将发现过程分解为多个可检查阶段。
自循环：用攻击图保留全局关系
原文介绍，每轮执行会重新建立 Pi 会话，同时保留攻击图与监督简报。这样做希望减少不断增长的对话上下文，同时维持目标、服务、漏洞和立足点之间的联系。
攻击图与聊天记录承担不同职责：聊天记录保留对话，图结构记录实体及关系。即使某轮会话重建，执行器仍可从结构化状态理解已经发现什么、哪些路径尚未确认。
这种设计有助于减少重复工作，但图中的节点也需要证据来源。若将误判写入图中，后续推理可能继续放大错误，因此图状态与验证状态应一起检查。
自监督：在轮次边界复盘
监督器在当前验证结束、轮次边界或需要调整时评估进展，输出下一阶段方案。原文强调，监督不会在每个工具调用之后反复打断执行，而是让一段完整验证过程先结束。
人工也可以通过对话介入。项目说明中，人工指令能够中断当前轮次，再让下一轮按照新增约束推进。自动化任务因此保留了纠正方向和停止执行的入口。
评估这类机制时，除了看“能否连续运行”，还应检查约束是否会在后续轮次保留、人工中断是否及时，以及中断后已有证据是否完整。
自进化：将任务经验抽象为方法
按照原文的设计，任务结束后，系统会将可迁移的方法整理为经验条目，移除具体 IP、URL 和题目路径，保留方法链条。经验可按指纹召回，并根据后续成功或失败调整权重。
这里的“自进化”指经验管理与复用，不应理解为模型权重在每次任务后自动训练。经验条目也可能包含偏差，需要审核其适用条件，避免将某个环境中的有效方法当成通用规律。
跨项目复用时，移除显式地址只是脱敏的一部分。报告片段、业务特征和凭证等材料也需要检查，防止不相关项目之间出现信息混入。
漏洞二次验证与评级
AI 安全测试的重要问题是如何把“可能存在风险”转成可复核结论。原文介绍了四个衔接环节：
- 二次验证：重新检查候选问题是否真实存在、前置条件是否满足。
- 风险评级：结合实际影响判断严重程度，避免只依赖模型措辞或单次扫描结果。
- 图关系关联：将发现连接到对应资产、服务与证据，帮助复盘。
- 交付报告：输出关键路径、资产画像、问题证据和修复建议。
二次验证是质量控制机制，并不等同于已经消除误报。最终报告应明确哪些问题已证实、哪些仍是线索，以及验证范围和未覆盖部分。
控制台与报告怎样衔接
原文中的控制台将攻击图、时间线、漏洞、对话和报告出口集中呈现。其设计目标是让自动执行过程可观察，并减少技术人员在报告阶段重新拼接过程记录的成本。
报告结构包含执行摘要、关键结论、路径、漏洞证据、资产画像及修复建议。面向不同读者时，可以由摘要说明风险，再用技术附件提供复核材料。
报告自动生成后，仍需确认结论与证据一致。缺少环境说明、时间范围或前置条件的报告，即使排版完整，也不一定足以支持研发修复和复测。
平台自身的安全设计
截至 2026 年 10 月 20 日核对的仓库 README，平台列出随机登录入口、一次性 ticket、RSA-OAEP 登录加密、Argon2id 口令存储、HttpOnly Cookie 和默认 HTTPS 等机制。
这些是项目公开描述的防护设计，不能据此认定平台已经通过独立安全审计。部署时还应检查主机访问权限、密钥保存位置、服务暴露范围及升级过程。
原文还介绍了 Yakit MITM 和 Yak MCP 的流量接入方案。当前仓库 README 已说明 Agent 测试默认直连，只有打开设置中导入的代理池才使用代理。两者属于不同版本说明，不能把 9 月原文里的代理链路当成当前固定行为。
怎样理解 TSecBench 成绩
原文将 TSecBench 描述为覆盖多类安全任务的智能攻防 Agent 评测，并给出 97.89 分与当时第一名的记录。截至本次整理，项目 README 也保留该成绩说明。
评测记录适合作为了解项目的一个入口。比较工具时，还需要查看基准版本、任务集合、模型配置、预算、运行次数，以及是否能检查 Agent Trace。不同配置或不同基准中的分数不能直接互换。
本文未独立重跑该评测，也未确认当前榜单名次。榜单入口为 TSecBench，以评测方的最新公开说明为准。
当前版本与使用范围
当前仓库以 Pi 为运行时，提供 Docker 和 Linux 实例部署方式，API 与 HTTPS 控制台端口分别为 2333、2334。模型在控制台设置中配置；这些是 2026 年 10 月 20 日核对的版本说明，不代表原文发布时的全部行为。
仓库 LICENSE 为 AGPL-3.0-only。README 另列商业许可说明；应阅读完整条款并向项目方确认具体条件，不能把 AGPL 笼统解释为禁止商业用途。
使用时应限定在获得明确授权的目标或隔离实验环境中。本文介绍公开设计及文档记录，未执行部署、漏洞测试或基准复现。
