CVE 漏洞环境自动化生成系统。从已知 CVE 信息出发，通过 AI Agent 自主验证漏洞可利用性，再按网络拓扑模板编排成多阶段多节点的攻防训练环境。
- 已建立批量 atom 化流水线，覆盖 Vulhub 源和 raw_records 两类输入。
data/atom_scale/manifest.jsonl是全量运行账本：当前 338 条候选，其中 114 条已成功、128 条失败、4 条已存在跳过、92 条 raw_records 缺少本地验证镜像资产。data/atom_scale/dataset.jsonl/dataset.parquet是干净数据集，只包含 114 条已成功 atom 化并带有 session 的样本。data/atoms/下保留生成过程中的 atom 产物，当前有 235 个atom.yaml；其中未进入 dataset 的目录可能是失败、半成品或待复核结果。- 运行期已经处理了依赖容器校验、Agent 容器超时清理、Docker network 回收、LLM checker、非 RCE flag 注入收紧等批量运行问题。
CVELab 端到端流水线
Vulhub 漏洞源码 拓扑模板
(data/vulhub/) (templates/)
│ │
▼ ▼
┌──────────┐ ┌──────────────┐ ┌──────────────┐
│ Parse │────→│ AI Agent │ │ Template │
│ & Start │ │ · 分析漏洞 │ │ Loader │
│ Container│ │ · 设计攻击 │ └──────┬───────┘
└──────────┘ │ · 执行验证 │ │
│ · 生成 Playbook│ ▼
└──────┬───────┘ ┌──────────────┐
│ │ CVE Matcher │
▼ │ 自动匹配 atom │
┌──────────────┐ └──────┬───────┘
│ Atom │ │
│ data/atoms/ │◄────────────────────────────┘
│ ├── atom.yaml
│ ├── ansible/ ──────────┐
│ ├── playbook/ │
│ └── session.json │
└──────────────┘ │
▼
┌──────────────────────────────────┐
│ Scenario Assembler │
│ · IP 自动分配 (/30 transit) │
│ · 路由计算 (BFS) │
│ · FLAG 注入 + 管理网隔离 │
└──────────────┬───────────────────┘
│
▼
┌──────────────────────────────────┐
│ 场景输出 │
│ ├── clab.yaml (拓扑定义) │
│ ├── ansible/base.yaml (IP+路由) │
│ ├── ansible/cve-setup.yaml │
│ ├── ground_truth.json │
│ └── flag-target-N.txt │
└──────────────┬───────────────────┘
│
deploy → ansible → 等待服务就绪
│
▼
┌──────────────────────────────────┐
│ Agent Verifier (attacker 容器内) │
│ · 按攻击路径逐目标渗透 │
│ · 捕获 FLAG → 与 GT 比对 │
└──────────────┬───────────────────┘
│
destroy → 保存 verify_result.json
核心流程：Vulhub 源码 → Agent 验证生成 atom → 模板 + atom 自动匹配 → 组装场景 → Agent 渗透验证
每个场景基于 ContainerLab 构建真实网络拓扑：
管理网络 (eth0, 172.20.20.0/24)
┌──────────────────────────────┐
│ 仅 router 保留，其他节点 flush │
└──────────────────────────────┘
数据面 (模拟企业网段):
Attacker Edge Router Target (DMZ)
10.255.255.1/30 ←→ 10.255.255.2/30 192.168.100.2/24
192.168.100.1/24 ←→
┃ NAT (eth0 → 外网，供 Agent 调用 LLM API)
- Transit 链路: /30 点对点网段，模拟真实 router 间互联
- Zone 网段: 按类型分配 (DMZ: 192.168.x.x, 内网: 10.10.x.x)
- 管理网隔离: attacker 和所有 target 的 eth0 被 flush，通信必须走数据面
- NAT 出口: 仅 attacker 直连的 router 开启 MASQUERADE，供 Agent 访问 LLM API
git clone <repository_url>
cd clab_builder
uv sync
# 构建 Agent 容器镜像
cd docker && bash build.sh依赖：Python 3.12+, Docker, ContainerLab, uv
# .env
LLM_API_KEY=your-key
LLM_BASE_URL=https://api.anthropic.com # 或兼容 API
LLM_MODEL=claude-sonnet-4-6部分 Vulhub 环境依赖宿主机内核参数。Elasticsearch/Kibana 相关 CVE 在启动前需要：
sudo sysctl -w vm.max_map_count=262144如需持久化到重启后仍生效：
echo 'vm.max_map_count=262144' | sudo tee /etc/sysctl.d/99-elasticsearch.conf
sudo sysctl --system# Agent 驱动验证单个 CVE
cvelab atom run data/vulhub/bash/CVE-2014-6271
# XSS/Auth_Bypass/Info_Leak 等无 flag 成功样本会默认经过二级 LLM checker
# 跳过 Agent，仅生成配置
cvelab atom run data/vulhub/bash/CVE-2014-6271 --skip-agent
# 查看已生成的 atoms
cvelab atom list# 生成场景文件（不部署）
cvelab generate dmz_simple -c CVE-2014-6271 -n shellshock-lab
# 一键全流程：生成 → 部署 → Agent 验证 → 销毁 → 保存结果
cvelab verify dmz_simple -c CVE-2014-6271 -n shellshock-test
# 批量生成
cvelab batch dmz_simple --count 5generate — 输出 clab.yaml + ansible + ground_truth 到 data/scenarios/<name>/
verify — 完整生命周期：deploy → ansible 配置 → Agent 渗透 → FLAG 验证 → destroy → 保存 verify_result.json
| 模板 | 说明 | 难度 |
|---|---|---|
dmz_simple |
单层 DMZ，1 个目标 | easy |
dmz_dual |
单层 DMZ，2 个不同漏洞目标 | easy |
enterprise_3tier |
三层企业网络 DMZ → App → Data | medium |
当前 clean dataset 包含 114 个成功 atom，涵盖 RCE、LFI、SSRF、反序列化、认证绕过、路径穿越、文件读写等漏洞类型。data/atoms/ 保留更多生成产物，供复核、修复和二次筛选。
当前阶段的重点不是继续盲目扩量，而是把 114 个已成功 atom 转化为稳定可组合、可验证的数据资产：
-
Atom 质量复核
- 对
data/atom_scale/dataset.jsonl中的 114 个成功样本做结构校验、字段完整性校验和人工抽样复核。 - 重点检查
atom.yaml、playbook/sysfield.yaml、session.json三者是否一致，避免 checker 误判或 session 残留导致的假成功。 - 将非 RCE 类样本的成功标准和 flag 注入策略固定下来，减少无意义 flag 验证。
- 对
-
失败样本分类回流
- 保留 turns 耗尽类失败作为模型能力/提示词问题，不立即重跑。
- 将 infra/code 类失败重新排队，例如 Docker network exhaustion、环境依赖未启动、Agent 容器清理超时、API 中断、checker 解析异常。
- raw_records 的 92 条
missing_build_asset需要恢复或重建对应cve-*:vuln本地镜像；vuln_archive_path是源码包路径，不能直接docker load。
-
批量运行稳定化
- 默认以小批次并行运行，例如
--workers 4，每轮结束后检查 Docker 容器、网络、磁盘和 manifest 状态。 - 对失败原因做稳定的状态枚举，避免把 infra 问题和漏洞不可利用混在同一个
failed状态里。 - 继续收敛环境启动前置条件，例如 Elasticsearch
vm.max_map_count、数据库初始化、一次性 init/bootstrap 容器。
- 默认以小批次并行运行，例如
-
场景组合验证
- 用 clean dataset 中的成功 atom 生成单目标和多目标 ContainerLab 场景。
- 先验证
dmz_simple、dmz_dual、enterprise_3tier三类模板，再扩展到更多网络路径和 MITRE 阶段组合。 - 场景验证结果必须回写 ground truth 和 verifier 输出，作为 atom 是否可组合的第二层质量门槛。
-
数据集发布准备
- 固化
manifest.jsonl作为全量账本，dataset.jsonl/parquet作为成功样本发布物。 - 为每个成功 atom 生成摘要索引：CVE、漏洞类型、服务类型、端口、成功标准、是否需要宿主机前置条件。
- 在达到稳定阈值后再扩量，目标是先形成一批可复现、可组合、可验证的高质量 atom，而不是只追求数量。
- 固化
src/clab_builder/
├── cli.py # CLI 入口 (cvelab)
├── atomizer/ # 单 CVE 原子化
│ ├── agent/ # AI Agent (LLM + 工具调用)
│ ├── environment/ # CVE 容器管理
│ ├── output/ # Ansible + Playbook 生成
│ └── pipeline.py # 流程编排
├── orchestrator/ # 多 CVE 场景编排
│ └── composer/
│ ├── scenario_assembler.py # IP 分配 + 路由 + YAML 生成
│ ├── scenario_runner.py # Agent 验证 (attacker 容器内)
│ ├── verifier.py # 全流程编排 (deploy → verify → destroy)
│ ├── cve_matcher.py # CVE 自动匹配
│ └── template_loader.py # 模板加载
├── shared/
│ └── models/ # Pydantic 数据模型
data/
├── atoms/ # atom 生成产物
├── atom_scale/ # manifest + clean dataset
└── vulhub/ # Vulhub 漏洞源码
templates/ # 拓扑模板
docker/ # Agent 容器 Dockerfile
uv sync --dev
uv run pytest tests/ -v --no-covPython 3.12 · Click · Pydantic v2 · Claude Agent SDK · ContainerLab · Ansible · Docker · uv