蜜罐的核心假设是通过伪装把攻击者引入歧途，近期研究还表明蜜罐能够扰乱基于 LLM 的自主渗透测试智能体；但这些评测大多默认攻击者对所处的欺骗环境毫不知情。本文研究的是相反场景：攻击者被明确赋予识别并利用蜜罐指纹的能力。作者提出 Rouxii——一个 AI 驱动的渗透测试框架，在侦察阶段内建反欺骗能力，并能从『识破蜜罐』推进到『利用蜜罐』。实验采用匹配对照设计，仅改变提示词，对比普通版与反欺骗版 Rouxii，覆盖 3 个推理模型、11 种网络拓扑、12 轮迭代，共 1544 份攻击报告。结果显示，反欺骗能力将蜜罐正确识别率从 19% 提升到 97%，在 OT 服务上效果最显著（11% 提升至 97%），而对真实服务的误报仅 0.7%。不具备欺骗感知的基线（PentestGPT、HackingBuddy）也出现类似失败，说明该现象并非 Rouxii 特有。识别并非终点：作者对蜜罐自身做白盒分析，证明被识破的陷阱可被反用于对付其运营方——包括在不触发存活监控的情况下使 Conpot 失效的拒绝服务，以及污染 GasPot 实例上报的情报。结论是欺骗有效性高度依赖攻击者知识水平，评估蜜罐对 AI 攻击者的韧性时必须考虑会主动推理并利用欺骗层的对手。