ARTICLE · 1315927

一次利用AI辅助设计红队免杀工具的实践

发布时间：2026-11-05 22:07:09 最近访问：2026-11-05 22:07:10

一次利用AI辅助设计红队免杀工具的实践

前段时间一直在思考如何整理免杀 Skills ，如何把免杀装进一个智能体，让它像资深红队工程师一样思考、决策、编排。于是整理了一个小demo出来，简单命名为孟极，这里给大家分享一下我的设计思路。

一、孟极想解决什么？

红队免杀的核心瓶颈是什么？

我觉得一个免杀载荷的生成链路大概涉及六个维度的技术选型：

加密算法：XOR / RC4 / AES-256-CTR / AES-256-XTS，选哪个？几层嵌套？
注入方式：无数种 Loader——Fiber 注入还是 Early Bird APC？UUID 回调还是...
反分析策略：ETW Patch + AMSI Bypass 是标配，但反调试开几种？反沙箱开几维？目标有没有内存扫描，需要上内存加密休眠吗？
混淆级别：LLVM-MinGW 还是 MinGW？OLLVM 四个 Pass 开几个？某些版本互斥吗，兼容性怎么查？
签名伪装：自签还是空签？PDB 消除、Rich Header 清除、资源替换，哪些开哪些不开？
编译工程：静态链接 flags 写对了吗？依赖去掉了没有？体积和免杀怎么权衡？

这个决策空间的组合数是递增的。

人类工程师的处理方式是：凭肌肉记忆，凭"上次过了这次也这样"，凭凌晨三点半模糊的判断力？

孟极想要解决的问题是：把免杀从"手艺活"变成"工程学"，让大模型承担人类装不下的认知负荷。

二、智能体接管决策：实现从"人记一切"到"大模型替代替思考"

孟极应该是一个能理解免杀技术、能自主决策、能编排流水线的智能体。

给一句话："生成一个 Windows x64 免杀载荷，高对抗环境，目标可能有XXX AV"，它要会自己走完六步：

理解意图：高对抗 → 需要最强静态加密 + 最隐蔽行为模式 + 全量反分析 + 重型混淆 + 内存加密休眠
查阅知识：读取 SKILL——每个 Skill 的能力边界、技术方案对比、适用场景、安全约束
制定策略：执行模式 + 反沙箱模式 + 内存混淆加密 + 编译模式
拆解任务：将策略映射为 x个子任务，对应x个构建阶段
调度执行：逐个调用拼接，每步产出标准化 JSON 信号文件
处理异常：崩了？ → 自动降级；缺失？ → 自动切换；全链路记录降级原因

三、Skills 是"专业工具箱"——建立免杀知识驱动、信号协同、模块进化

每个 SKILL应该是一个结构化的知识单元，标记了所需的一切元信息：

name:syscall-evasiondescription:生成系统调用Stub代码，绕过用户态EDRHook。支持14种Loader类型。触发条件：...inputs:[signals/encoded-payload.json]outputs:[signals/syscall-config.json]

正文包含：什么时候该调用、技术方案对比矩阵（什么方案适合什么场景）、前置条件、安全红线、与上下游 Skill 的依赖关系。

大模型读了 syscall-evasion 的 SKILL.md，就知道：

Loader 的各自隐蔽性/兼容性/复杂度
UUID callback 需要 shellcode 先编码为 UUID 格式
代码混淆 Skill 需要保护生成的 syscall stub，不能把它混淆掉

Skills 之间不直接互相调用——通过信号文件传递状态：

shellcode-encoding → signals/encoded-payload.json  → syscall-evasion                                                      code-obfuscation                                                      build-orchestratorsyscall-evasion   → signals/syscall-config.json     → build-orchestratoranti-analysis     → signals/anti-analysis-config.json → build-orchestratorcode-obfuscation  → signals/obfuscation-config.json  → build-orchestrator

信号文件是大模型的"共享记忆"。 我的思考是不需要大模型记住"刚才让 shellcode-encoding 做了什么"——它应该直接读 encoded-payload.json，里面写着的记忆来进行下一步。

这套架构带来三个关键能力：

Skill 独立可用："我只想试一下 UUID 回调，不走全流程"，不依赖其他 Skill。

Skill 可替换："我自己下一次写了一个更好的反沙箱"，替换 anti-analysis Skill，只要它产出的信号文件 schema 不变，下游 Skill 无感知。

Skill 可新增："我写了个第七层——运行时自变异"，定义一个新的 SKILL.md 和对应脚本，定义它的 inputs/outputs，自动学会调度它。

这跟传统 Bash 管道的根本区别在于：Bash 管道是固定顺序的静态的；孟极的 Skills 是通过信号文件解耦的、可动态编排的模块化的。