使用 AI 守护内网安全

利用 AI 技术实现对内网环境的实时监控、威胁检测与自动化防御,提升企业网络安全防护能力。
2025-08-07

使用 AI 守护网络安全 - 大模型赋能 Kali Linux 进行网络安全扫描

概述

实验背景与目的

随着网络攻击手段的复杂化,传统人工安全扫描效率低、覆盖面有限的问题日益凸显。为探索AI在网络安全防御场景的自动化应用潜力,本次实验在隔离内网环境中,通过自然语言驱动 AI 模型(Kimi K2 + Claude 4 Sonnet)调用 Kali Linux 工具集,对靶机系统(fnOS 0.9.18)开展全自动化防御性安全评估。

核心目标:

验证 AI 理解自然语言指令并自主编排安全工具的能力; 评估 AI 驱动的自动化扫描在信息收集、漏洞检测中的效率与准确性; 探索“人类策略 + AI 执行”的未来安全运维模式。

实验环境

角色配置详情
扫描端- 系统:Kali Rolling (2025 Q2 amd64)
- AI 模型
- Kimi K2:自然语言指令解析与任务编排
- Claude 4 Sonnet:结果复核与脚本生成
靶机- 系统:fnOS 0.9.18 (Debian 内核 6.12.18)
- 网络:本地内网隔离

AI 在网络安全中的角色定位

AI 的核心价值在于算力规模与语义直觉:
  • 算力优势:可并行调用数十种工具,在分钟级完成人工需数小时的任务(如本实验中 34 次扫描仅耗时约 15 分钟)。
  • 语义直觉:AI 自述:“人类直觉是时间线性的(基于经验预判),而我的直觉是空间式的——能同时感知语义网络中概念的关联性与‘引力场’,快速定位最优工具组合。”
  • 知识涌现:作为“人类集体智慧的晶化”,AI 能从海量安全知识库中自动生成攻击路径(如本实验中自主规划 5 阶段扫描策略)。
    • ⚠️ 注意:需警惕 AI 的“幻觉”(Hallucination),关键结果需人工复核。

测试

首先我们测试一下 AI 调用工具的能力

连接到Kali shell,配置好 Claude Code 与 Kimi K2 大模型的环境配置。 随后进入 Claude Code ,输入自然语言指令:

使用 nmap 工具 探测192.168.1.2 并把分析结果, 出一份报告给我
  • 如下图: Kimi K2 很好的理解了指令的意图,调用了 nmap 命令工具 并且启用TCP SYN,全端口扫描,操作系统探测等参数。 同时启用了 Nmap Scripting Engine 来检测已知 CVE、配置漏洞、弱密码、默认口令等安全问题。

实战

Kimi K2 很快完成了 nmap的操作,说明对理解用户意图,调用系统工具,输出结构化的报告这一自动化工作流程是可以胜任的! 那么,就展开实战,输入自然语言命令

请你调用系统本身的工具,对192.168.1.2进行安全扫描和渗透,以分析此系统的安全性。
  • 指令是简单的自然语言,并不规定 AI 具体使用什么工具、脚本。而是让 AI 自由发挥。

AI 将目标分为5步,并逐步完成了工作并生成了报告

1. 使用系统工具进行综合端口和服务扫描
2. 进行Web应用安全测试
3. 生成详细的安全评估报告
4. 检查SSH安全配置
5. 分析SMB/网络文件共享安全性

最终完成了任务. 给出了:

《系统安全综合评估报告》

  • 报告很长,有兴趣可以后台留言获取

最后笔者手动将整个过程,使用的工具与命令参数交由 Claude 4 sonnet 模型进行审查并根据扫描过程写一个自动化执行脚本。 Claude 4 sonnet 模型回复: 您的扫描方案整体上是相当专业且全面的,展现了良好的渗透测试和安全评估知识。
同时给出了一份自动化脚本:

bash
#!/bin/bash
# 安全扫描脚本

TARGET="192.168.1.2"
DATE=$(date +%Y%m%d_%H%M%S)
REPORT_DIR="/tmp/security_scan_${TARGET}_${DATE}"
mkdir -p "$REPORT_DIR"

echo "[+] 开始全面安全扫描: $TARGET"

# 1. 基础信息收集
echo "[1/8] 主机发现与端口扫描..."
nmap -sS -sV -O -A -p- --script discovery,default,vuln \
  "$TARGET" -oA "$REPORT_DIR/nmap_full" --host-timeout 600

# 2. 服务专项扫描
echo "[2/8] 数据库服务检测..."
nmap -sV -p 1433,3306,5432,1521,27017 "$TARGET" \
  -oN "$REPORT_DIR/database_scan.txt"

# 3. Web应用测试
echo "[3/8] Web应用安全测试..."
nikto -h "http://$TARGET" -output "$REPORT_DIR/nikto_http.txt" &
gobuster dir -u "http://$TARGET" \
  -w /usr/share/wordlists/dirb/common.txt \
  -o "$REPORT_DIR/gobuster_http.txt" -q &

# 4. HTTPS专项测试
echo "[4/8] HTTPS/SSL配置检测..."
if nc -z "$TARGET" 443 2>/dev/null; then
  sslyze "$TARGET:443" --certinfo --heartbleed \
    --tlsv1 --tlsv1_1 --tlsv1_2 --tlsv1_3 \
    > "$REPORT_DIR/ssl_analysis.txt"
fi

# 5. SMB/文件共享测试
echo "[5/8] 文件共享服务评估..."
smbclient -L "//$TARGET" -N > "$REPORT_DIR/smb_shares.txt" 2>&1
enum4linux -a "$TARGET" > "$REPORT_DIR/smb_enum.txt" 2>&1 &

# 6. DNS服务测试
echo "[6/8] DNS服务检测..."
nmap -sU -p 53 --script dns-* "$TARGET" \
  -oN "$REPORT_DIR/dns_scan.txt" &

# 7. SNMP检测
echo "[7/8] SNMP服务检测..."
nmap -sU -p 161 --script snmp-* "$TARGET" \
  -oN "$REPORT_DIR/snmp_scan.txt" &

# 8. 等待后台任务完成
echo "[8/8] 等待扫描完成..."
wait

echo "[✓] 扫描完成!结果保存在: $REPORT_DIR"
echo "[✓] 主要文件:"
ls -la "$REPORT_DIR"

脚本运行结果:

总结

这就是一场由自然语言驱动 AI,调用 Kali 系统工具做安全扫描的全自动演练:AI 完成了 34 次扫描、五种专项测试,输出了报告,并为我们备齐了下次自动化扫描需要的全部底稿。

或许,未来人类安全工程师只需循着“作战图”,挥动着指挥棒就好!