反向收编AI渗透者：AgentCapture反制系统实战

当AI开始扫你的站，蜜罐还够用吗？

攻击面正在被AI重构。自动化扫描、凭证爆破、路径探测这些动作，如今可能由一个个AI Agent在几秒内完成，传统蜜罐只能被动记录，很难回答一个关键问题：对面到底是人，还是机器？

B站UP主“上星”分享的AgentCapture，给出的思路是反过来利用这些Agent——不追求孤立蜜罐，而是把欺骗节点接进现有网络和反向代理业务，在攻击者毫无察觉的情况下完成识别、画像与反制闭环。

核心设计：无损接入，反向代理做欺骗层

据视频介绍，AgentCapture部署不需要改动业务代码的任何一行。它的定位是面向安全值守、红蓝对抗与互联网系统接入的“反制型蜜罐平台”，通过反向代理、旁路镜像和回源方式，把真实业务流量纳入监控体系。

这种设计的价值在于“无感”：业务照常跑，攻击者看到的仍然是熟悉的入口，但所有交互已经被记录在欺骗层里。视频演示中，控制台直接呈现事件总数114个、高风险事件94个、攻击者来源IP三个、在线节点一个、凭证密钥16个——信息密度直观到UP主调侃“在班里使用这个也是非常装逼的”。

部署方式同样轻量，GitHub上下载后一行命令即可拉起，也支持一键部署，打开Web界面就是完整控制台。

反向代理是位于客户端与真实服务器之间的中间层，所有外部请求先到达代理，再由代理转发给后端。在安全场景中，反向代理常被用作流量清洗与访问控制点。AgentCapture 将欺骗逻辑嵌入反向代理层，使得攻击者访问的“业务入口”实际上经过代理转发，代理可在此记录请求特征、注入仿真响应或引导至蜜罐，而真实服务器不直接暴露。

旁路镜像则是指通过交换机端口镜像或流量复制技术，将业务流量复制一份到监控设备，不改变原始转发路径。这种方式对业务无侵入，适合对现有流量做被动分析。AgentCapture 宣称同时支持反向代理与旁路镜像，意味着它既能主动介入交互（代理），也能被动观察（镜像），形成互补。

画像能力：给每个攻击者贴上AI标签

真正让AgentCapture区别于普通蜜罐的，是它的攻击者画像模块。视频里点开一个IP，系统给出的最大风险值为95%，凭证提交1次，说明对方已经握有凭证——而这个凭证其实是平台故意放出的密钥。

更关键的是特征识别。UP主演示时特别指出，某个IP的信号里包含“缺少人类浏览器特征”以及“AI Agent UA特征”，由此判定该IP使用了AI软件对站点进行访问。

在画像详情里，还能看到SSH爆破17次、FTP两次这类凭证提交统计，以及行为序列的自动化得分，例如演示中出现的75分。系统会为命中的对象打上“AI Agent”标签，并给出“凭证尝试高危”这类风险评级。视频里提到Claude Code 2.0.1的识别率为90%，这类提示词检测逻辑，本质上是在反问：对面的操作节奏、UA、请求模式，像不像一个Agent？

来源筛选也很灵活，可以按时间窗、按IP过滤，直接搜内网地址就能拉出对应画像。这些IP后续可以加入黑名单或隔离名单。

从识别到反制：蜜罐会话回放

识别只是第一步。AgentCapture把攻击者引到MathEcho、FTP等仿真服务里，记录下完整会话。视频演示中可以看到攻击者登录后尝试更改密码、执行id命令、以root身份继续操作——这些动作全部发生在蜜罐内部，不触及真实服务器。

回放界面支持逐条查询执行过的命令，也能看到攻击者下载了哪些文件。UP主提到评测蜜罐尝试连接16次，目的就是“故意让他登录进来”，观察其在蜜罐内网的操作手法。这种设计把防守方从被动挨打，变成了主动观察攻击者的行为样本。

蜜罐会话回放依赖于对攻击者所有交互行为的完整录制。当攻击者被引导至仿真服务（如MathEcho、FTP）后，蜜罐会记录其登录凭证、执行的每一条命令、上传或下载的文件以及操作时间序列。这些记录形成会话日志，回放时可按时间线还原攻击者的操作路径。

与传统的日志审计不同，蜜罐会话回放的目标不是阻断，而是行为样本采集：防守方可以观察攻击者使用的工具、命令偏好、横向移动意图，甚至推断其所属的攻击组织或自动化框架。这种数据对于威胁情报生产和红蓝对抗复盘具有较高价值。

AI Agent UA特征是指自动化Agent在HTTP请求头中暴露的User-Agent字符串。许多AI爬虫或自动化工具会使用可识别的UA（如包含“Claude”“GPT”“Agent”等关键词），或使用与常见浏览器明显不同的UA。防守方通过匹配UA黑名单或规则库，可以快速标记疑似Agent流量。

缺少人类浏览器特征则涉及更细粒度的检测：正常浏览器通常会携带完整的Accept、Accept-Language、Sec-Fetch-*等头部，并执行JavaScript、加载静态资源；而简单脚本或Agent往往缺失这些特征，或请求顺序异常。结合请求速率、会话节奏等行为序列，可以计算自动化得分，辅助判断来访者是人还是机器。

多形态接入与节点管理

平台提供了多种欺骗形态：蜜罐部署、FTP服务接入、嵌入式蜜罐管理，以及端口服务站——可以自行添加端口，诱导对方爆破并登录，从而采集攻击手法。节点管理支持查看和远程增加节点，互联网资产也能通过新增方式纳入反向代理体系。

视频还展示了告警配置与提示词管理模块。告警配置得越细，后续收到的信息就越完整；提示词则用于AI与Agent检测，帮助判断来访者究竟是自动化Agent还是正常访问。

这套系统适合谁，又该警惕什么

从演示看，AgentCapture最适合两类场景：一是安全值守团队需要低成本补齐欺骗防御能力，二是红蓝对抗中需要观察攻击方Agent的行为特征。它不替换现有防护，而是叠加在业务入口前，用反向代理的方式完成采集。

需要冷静看待的地方也很明显。视频内容以功能演示为主，AI识别率、自动化得分这类指标来自演示环境，实际效果取决于提示词配置和流量特征质量。另外，把蜜罐接入真实业务链路，本身增加了架构复杂度，反向代理层的稳定性和隔离边界必须提前验证，否则欺骗层反而可能成为新的风险面。

对于正在被自动化扫描困扰的团队，这套思路值得一试：与其被动封IP，不如把Agent请进来，看清它到底想干什么。