My AI pentesting agent now learns from its own mistakes
A few weeks ago, I published the first version of OIHK-pentesting: a multi-agent engine that runs authorized pentests with an LLM planner, where the security boundary lives in the engine, not in the good behavior of the model. Since then, I've rebuilt the entire cabin. This post is about the new stuff — and why the hardest part wasn't making the agent stronger, but making it…
Una versión reciente de OIHK-pentesting, conocida como OIHK-pentesting con IA, aprende de sus propios errores a través de un motor multi-agente que ejecuta pruebas de penetración autorizadas. El motor garantiza el alcance y la responsabilidad es del usuario. Algunos de los recientes cambios incluyen la eliminación de atajos de ataque en la interfaz, la capacidad de Barron para planificar y ejecutar tareas de manera paralela y la incorporación de un agente llamado AdapterOne que recuerda errores y los aprende como lecciones ponderadas en un registro.
El sistema es actualmente en versión beta y está disponible en GitHub, con una licencia MIT y más de 1,300 pruebas exitosas.
Written by urgent.news from Dev.to's reporting — not their text. Machine-written — may contain errors; check the original before relying on it.
