AI-Powered SRC Vulnerability Mining Multi-Agent System
English | 中文
Argus 是一个基于 LLM 驱动的多 Agent 协作漏洞挖掘系统，专为 SRC（安全应急响应中心）场景设计。系统采用 LATS（Language Agent Tree Search）+ ReAct 混合架构，通过蒙特卡洛树搜索（MCTS）策略智能探索漏洞空间，结合 Katana API 端点发现、Playwright 浏览器引擎、mitmproxy 流量分析、crawlergo 深度爬虫和隔离 PoC 沙箱，实现从侦察到验证的全链路自动化漏洞挖掘。
与传统扫描器不同，Argus 不依赖固定规则或签名库，而是通过 LLM 的推理能力生成漏洞假设、自适应构造 payload、智能回溯无效路径，模拟真实安全研究员的漏洞挖掘思维过程。
| 特性 | 说明 |
|---|---|
| LATS + ReAct 混合架构 | 蒙特卡洛树搜索指导探索方向，ReAct 循环执行具体验证，搜索效率远超线性管线 |
| 工具驱动攻击面构造 | 端点发现完全由侦察工具（Katana、crawlergo、Playwright、dir_scan）驱动，LLM 仅作策略顾问，消除端点幻觉 |
| EndpointCapability 统一模型 | 结构化端点能力画像 + VulnType×Endpoint 声明式兼容性矩阵，杜绝错误类型匹配 |
| MCTS 智能搜索 | Wilson UCB + 多样性 + 端点多维评分，将有限搜索预算分配到最有价值的方向 |
| 渐进式 Level0 快速探测 | 两轮 9 次探测 + 参数自动回退，精准筛选高价值分支 |
| 多类型漏洞检测 | SQL 注入、XSS、SSRF、LFI、RCE、IDOR、SSTI、认证绕过、信息泄露等 |
| Katana API 端点发现 | ProjectDiscovery Katana 被动+主动爬取，JS 端点提取，表单自动发现 |
| Playwright 浏览器引擎 | 支持 SPA/前后端分离站点的动态渲染、表单交互、JS 事件触发 |
| mitmproxy 流量捕获 | 实时捕获浏览器交互产生的隐藏 API 调用，发现前端看不到的攻击面 |
| crawlergo 深度爬虫 | 基于 Chromium 的深度爬虫，自动触发 JS 事件和填充表单 |
| 隔离 PoC 沙箱 | RestrictedPython + Docker 双层隔离执行 PoC 代码，安全验证复杂漏洞 |
| 自适应 Payload 变异 | WAF 检测 + payload 变异绕过，支持编码、大小写、注释等多种绕过技术 |
| 实时事件流 | WebSocket 推送 Agent 思考过程和工具执行状态，前端实时可视化搜索树 |
| 自动报告生成 | 漏洞确认后自动生成结构化报告，包含复现步骤和修复建议 |
| 16 款安全工具 | 覆盖被动侦察、主动探测、PoC 执行全阶段，四级风险管控 |
┌──────────────────────────────────────────────────────────────────────┐
│ Frontend (Next.js 15 + React 19) │
│ TanStack Query + Zustand + WebSocket 实时搜索树可视化 │
└─────────────────────────────────┬────────────────────────────────────┘
│ REST API / WebSocket (SSE)
┌─────────────────────────────────▼────────────────────────────────────┐
│ Backend (FastAPI + LangGraph) │
│ │
│ ┌─────────────────────────────────────────────────────────────────┐ │
│ │ LATS + ReAct 混合搜索引擎 │ │
│ │ │ │
│ │ ┌───────────┐ ┌────────────────┐ ┌──────────────────┐ │ │
│ │ │ Recon │───▶│ MCTS Select │───▶│ ReAct Executor │ │ │
│ │ │ (侦察) │ │ (节点选择) │ │ (思考-行动-观察) │ │ │
│ │ └───────────┘ └────────┬───────┘ └────────┬─────────┘ │ │
│ │ │ │ │ │
│ │ ┌────────▼───────┐ ┌────────▼─────────┐ │ │
│ │ │ Expand │ │ Backpropagate │ │ │
│ │ │ (节点扩展) │ │ (奖励回传) │ │ │
│ │ └────────────────┘ └────────┬─────────┘ │ │
│ │ │ │ │
│ │ ┌────────▼─────────┐ │ │
│ │ │ Reporter │ │ │
│ │ │ (报告生成) │ │ │
│ │ └──────────────────┘ │ │
│ └─────────────────────────────────────────────────────────────────┘ │
│ │
│ ┌──────────────── 攻击面构造管线 ────────────────────────────────┐ │
│ │ EndpointNormalizer → AttackSurfaceBuilder → EndpointCapability │ │
│ │ → estimate_branch_value_v2 (兼容性矩阵) → Level0 QuickProber │ │
│ └────────────────────────────────────────────────────────────────┘ │
│ │
│ ┌──────────────────── 安全工具集 (16款) ─────────────────────────┐ │
│ │ HTTP请求 | SQL注入 | SSRF | XSS | 认证测试 | Payload变异 | ... │ │
│ └────────────────────────────────────────────────────────────────┘ │
└───────┬──────────────┬──────────────┬──────────────┬─────────────────┘
│ │ │ │
┌───────▼──────┐ ┌────▼─────┐ ┌─────▼──────┐ ┌────▼──────────────────┐
│ PostgreSQL 16│ │ Redis 7 │ │ NATS │ │ Sidecar Services │
│ (数据存储) │ │(缓存/队列)│ │ (消息总线) │ │ │
└──────────────┘ └──────────┘ └────────────┘ │ ┌───────────────────┐ │
│ │ Katana │ │
│ │ (API端点发现) │ │
│ ├───────────────────┤ │
│ │ mitmproxy │ │
│ │ (流量捕获) │ │
│ ├───────────────────┤ │
│ │ crawlergo │ │
│ │ (深度爬虫) │ │
│ ├───────────────────┤ │
│ │ PoC Sandbox │ │
│ │ (代码执行) │ │
│ └───────────────────┘ │
└───────────────────────┘
- Docker & Docker Compose (v2.0+)
- 至少 4GB 可用内存（Chromium + crawlergo + Katana 消耗较大）
- AI API Key（Anthropic Claude）
# 克隆项目
git clone <repo-url> argus && cd argus
# 配置 API Key
export ANTHROPIC_API_KEY="sk-ant-..."
# 构建并启动所有服务（9 个容器）
docker compose up -d
# 查看所有服务状态
docker compose ps| 服务 | 端口 | 说明 |
|---|---|---|
| Web 前端 | http://localhost:3000 | 主操作界面（任务管理、搜索树可视化、报告查看） |
| 后端 API | http://localhost:8000 | RESTful API + WebSocket 事件流 |
| API 文档 | http://localhost:8000/docs | Swagger UI 交互式文档 |
| Katana | 7778 (内部网络) | API 端点发现爬虫 |
| mitmproxy | 8080 (内部网络) | HTTP 代理（用于捕获浏览器流量） |
| crawlergo | 7777 (内部网络) | 深度爬虫 API |
| PoC Sandbox | 9090 (内部网络) | 隔离代码执行 API |
| PostgreSQL | 5432 (内部网络) | 数据库（用户名/密码: argus/argus_dev_password） |
| Redis | 6379 (内部网络) | 缓存与消息队列 |
| NATS | 4222 (内部网络) | JetStream 消息总线 |
- 访问
http://localhost:3000并注册账户 - 进入 系统设置 页面配置 LLM API Key
- 创建扫描任务，填入目标 URL（例如
https://target.example.com） - 启动任务，在任务详情页实时查看：
- 搜索树展开过程（MCTS 节点选择与扩展）
- Agent 思考链（Thought → Action → Observation 循环）
- 工具执行结果与奖励信号
- 漏洞确认后自动生成报告，可导出为结构化格式
argus/
├── backend/ # Python 后端服务
│ ├── app/
│ │ ├── agents/ # 多 Agent 系统
│ │ │ ├── lats/ # LATS 核心引擎
│ │ │ │ ├── graph.py # LangGraph 状态图构建 (Recon→Init→MCTS→React→Expand→Eval)
│ │ │ │ ├── search_tree.py # MCTS 搜索树 (Wilson UCB + 多维评分 + value_decay)
│ │ │ │ ├── react_executor.py # ReAct 循环执行器 (并发池 + 端点预算控制)
│ │ │ │ ├── expansion_engine.py # 发现驱动的动态扩展引擎 (capability 门控)
│ │ │ │ ├── shared_knowledge.py # 跨分支共享知识库 (端点配额 + WAF + 信号)
│ │ │ │ ├── multi_level_prober.py # 多级探测器 (两轮渐进探测 + 参数回退)
│ │ │ │ ├── endpoint_capability.py # 端点能力统一模型 + VulnType 兼容性矩阵
│ │ │ │ ├── endpoint_normalizer.py # 端点路径标准化器 (LLM 注释清洗)
│ │ │ │ ├── attack_surface_builder.py # 工具驱动攻击面构造器 (零 LLM)
│ │ │ │ ├── reward.py # 奖励函数 + estimate_branch_value_v2
│ │ │ │ ├── actions.py # 动作空间定义与执行 (含 info_disclosure 证据判定)
│ │ │ │ ├── blind_verifier.py # 统一盲漏洞验证引擎
│ │ │ │ ├── diagnostic_prober.py # 诊断探测器 (失败原因分类)
│ │ │ │ ├── endpoint_explorer.py # 端点聚焦探索器 (HDE 架构)
│ │ │ │ ├── endpoint_selector.py # 端点优先级排序器
│ │ │ │ ├── hypothesis_agent.py # 假设驱动探索代理
│ │ │ │ ├── payload_library.py # Payload 库 (SQLi/XSS/LFI/RCE/SSTI/SSRF)
│ │ │ │ └── prompts.py # Agent 提示词模板
│ │ │ ├── nodes/ # LangGraph 节点
│ │ │ │ ├── orchestrator.py # 编排器 (三层回退提取 + Katana 集成 + LLM 策略顾问)
│ │ │ │ └── reporter.py # 报告生成器
│ │ │ ├── prompts/ # Agent 系统提示词
│ │ │ ├── llm.py # LLM 客户端（多供应商支持）
│ │ │ ├── model_router.py # 模型路由（按预算动态选模型）
│ │ │ ├── token_budget.py # Token 预算管理
│ │ │ ├── state.py # 共享黑板与状态定义
│ │ │ ├── emit.py # 事件发射器
│ │ │ └── routing.py # 图路由逻辑
│ │ ├── api/v1/ # REST API 路由
│ │ │ ├── tasks.py # 任务 CRUD + 状态控制
│ │ │ ├── findings.py # 漏洞发现查询
│ │ │ ├── events.py # 事件流
│ │ │ ├── ws.py # WebSocket 实时推送
│ │ │ ├── reports.py # 报告管理
│ │ │ ├── settings.py # LLM 供应商配置
│ │ │ ├── system.py # 系统健康检查
│ │ │ └── auth.py # 认证路由
│ │ ├── core/ # 核心基础设施
│ │ │ ├── auth.py # JWT 认证
│ │ │ ├── security.py # 安全中间件
│ │ │ ├── database.py # 异步数据库引擎
│ │ │ ├── redis.py # Redis 客户端
│ │ │ ├── nats_client.py # NATS JetStream 客户端
│ │ │ ├── event_bus.py # 事件总线
│ │ │ ├── encryption.py # API Key 加密存储
│ │ │ ├── playwright_manager.py # Playwright 浏览器池 (修复 root/appuser 路径)
│ │ │ ├── proxy_client.py # mitmproxy 流量订阅
│ │ │ ├── crawlergo_client.py # crawlergo 深度爬虫客户端
│ │ │ ├── poc_sandbox_client.py # PoC 沙箱客户端
│ │ │ ├── middleware.py # 请求中间件
│ │ │ └── exceptions.py # 自定义异常
│ │ ├── models/ # SQLAlchemy ORM 模型
│ │ ├── schemas/ # Pydantic 数据模型
│ │ ├── services/ # 业务逻辑层
│ │ │ ├── agent_runner.py # Agent 异步执行生命周期管理
│ │ │ ├── task_service.py # 任务状态机
│ │ │ ├── finding_service.py # 漏洞发现持久化
│ │ │ ├── report_service.py # 报告服务
│ │ │ └── event_service.py # 事件持久化
│ │ ├── tools/ # 安全检测工具集（16 款工具）
│ │ ├── templates/ # Jinja2 报告模板
│ │ └── config.py # 全局配置（pydantic-settings）
│ ├── alembic/ # 数据库迁移
│ ├── tests/ # 测试用例 (27 passed)
│ └── Dockerfile # 修复 Playwright appuser Chromium 路径
├── frontend/ # Next.js 前端服务
│ ├── src/
│ │ ├── app/ # App Router 页面
│ │ ├── components/ # UI 组件
│ │ ├── hooks/ # React Hooks
│ │ ├── lib/ # API 客户端 & 工具库
│ │ ├── stores/ # Zustand 状态管理
│ │ └── types/ # TypeScript 类型定义
│ └── Dockerfile
├── katana/ # Katana API 端点发现 Sidecar (NEW)
│ ├── api_wrapper.py # Flask HTTP API (JSONL 解析 + URL 标准化)
│ └── Dockerfile # projectdiscovery/katana + Flask
├── crawlergo/ # 深度爬虫 Sidecar
│ ├── api_wrapper.py # Flask HTTP API
│ └── Dockerfile
├── poc-sandbox/ # PoC 隔离沙箱
│ ├── sandbox_worker.py # FastAPI + RestrictedPython
│ └── Dockerfile
├── mitmproxy/ # 流量捕获 Sidecar
│ ├── addon.py # 请求/响应 → Redis pub/sub
│ └── Dockerfile
├── scripts/ # 初始化脚本
│ └── init_db.sql # 数据库初始化 SQL
├── docker-compose.yml # 9 服务容器编排
└── .env.example # 环境变量模板
系统经过三轮架构修复，解决了 LLM 幻觉端点、MCTS 错误选择和发现质量三大核心问题：
Recon Phase (三层回退提取)
├─ Layer1: http_request 工具 → 正则提取 href/action/src
├─ Layer2: httpx 直连 → 正则提取 (工具层失败时)
├─ Layer3: Playwright headless → DOM 渲染提取 (JS 页面)
└─ Katana 并行爬取 → 端点 + 表单 + JS API (与 dir_scan 并行)
AttackSurface Construction (零 LLM 驱动)
├─ EndpointNormalizer → 清洗 LLM 注释/通配符/非法字符
├─ 7 种端点来源合并去重 (categorized_links + forms + dir_scan + katana + ...)
├─ P0 智能分类评分 → vuln_page / api_endpoint / auth_page / config_leak
├─ P1 能力探测 → GET 每个端点 → 过滤 forbidden/not_found
├─ P3 URL 参数推断 → sqli_id.php → ["id"]
└─ EndpointCapability → VulnType 兼容性矩阵
Branch Value Estimation (语义感知)
├─ estimate_branch_value_v2 → 不兼容组合 → score=0.00
├─ /.git/HEAD + RCE → 0.00 (is_version_control → 仅 info_disclosure)
├─ /vul/rce/rce_ping.php + RCE → 1.00 (路径含 "rce"+"ping"→强信号)
└─ value_decay_factor → 每次 backprop 衰减 15%, <0.1 → exhausted
Level0 Quick Probe (两轮渐进)
├─ Round 1: 3 次探测 → promoted / killed / needs_deeper_probe
├─ Round 2: 3 种不同技术 payload → 深度验证
├─ 无参端点保护 → 通用参数回退 (sqli→["id","q"], rce→["cmd","ping"])
└─ 参数发现后自动注入 node.state.current_param
传统漏洞扫描器使用线性管线（枚举 → 测试 → 报告），存在两个问题：
- 无法根据中间结果调整策略（如发现 WAF 后无法智能绕过）
- 搜索空间爆炸时无法智能分配预算
Argus 采用 LATS（Language Agent Tree Search） 架构解决这两个问题：
MCTS Loop:
1. Select — 自适应多因素选择 (Wilson UCB + 多样性 + 新近度 + 先验 + accessibility + value_decay)
2. Execute — ReAct 循环执行具体验证 (Thought → Action → Observation)
3. Expand — 发现驱动的动态扩展 (新端点、WAF 规则、参数推断) + capability 门控
4. Backprop — 将奖励信号沿路径回传, 更新节点价值估计 + value_decay_factor 衰减
5. Evaluate — 检查终止条件 (发现漏洞 / 预算耗尽 / 全部穷尽 / 连续无发现)
MCTS 选择因子:
exploitation(Wilson score lower bound): 利用已知高价值节点exploration(UCB): 探索未访问节点prior(value_estimate): 先验价值估计diversity: 端点/vuln_type 多样性recency: 新近度加权accessibility: 端点可达性 (forbidden/not_found → 0.0)vuln_penalty: vuln_type 全局失败惩罚
奖励信号设计：
- 确认漏洞: +0.4 ~ +1.0（按严重性分级）
- 发现有价值线索: +0.1 ~ +0.3（鼓励继续深挖）
- 无信息增益: -0.12（鼓励换方向）
- 明确死路: -0.15（鼓励回溯）
跨分支共享知识库：
- 端点指纹、WAF 规则、漏洞信号在各搜索分支间实时同步
- 避免独立 ReAct Agent 的信息孤岛问题
- 支持 Graveyard 节点复活（已剪枝节点在有信号时重新探索）
- 端点步数配额 (单端点 ≤12 步, ≤10%, 连续 3 步无信息截断)
- 端点×vuln_type 组合配额 (同一组合 ≤3 次完整 ReAct)
PoC 代码在多层隔离环境中执行：
| 层级 | 机制 | 作用 |
|---|---|---|
| AST 层 | RestrictedPython 编译检查 | 禁止危险语法（import *、exec 等） |
| Import 层 | 白名单机制 | 仅允许 requests、json、hashlib 等 15 个模块 |
| 运行时层 | Guard 函数 | 控制属性访问、下标操作、迭代行为 |
| 容器层 | Docker read_only + tmpfs + 资源限制 | 文件系统只读、内存 512MB、CPU 1 核 |
| 网络层 | allowed_hosts 限制 | 仅允许访问指定目标主机 |
| 工具 | 功能 | 风险等级 |
|---|---|---|
http_requester |
HTTP 请求构造与发送 | L0 |
dir_scanner |
目录与路径扫描 | L0 |
subdomain_enum |
子域名枚举 | L0 |
port_scanner |
端口探测与服务发现 | L0 |
payload_mutator |
Payload 变异绕过 WAF | L0 |
proxy_flows |
查询 mitmproxy 捕获的浏览器流量 | L0 |
deep_crawl |
crawlergo 深度爬虫 | L0 |
katana_crawl |
Katana headless 爬虫 (端点 + JS API 发现) | L0 |
nuclei_scanner |
Nuclei PoC 扫描已知 CVE | L1 |
sql_injection |
SQL 注入检测（时间盲注、报错注入、布尔盲注） | L1 |
ssrf_detector |
SSRF 漏洞检测（DNS rebinding、协议切换） | L1 |
auth_tester |
认证绕过测试（JWT 伪造、空密码等） | L1 |
browser_request |
浏览器级别 HTTP 请求（带 Cookie/Session） | L1 |
browser_interact |
浏览器表单交互（填充、点击、提交） | L2 |
run_poc |
隔离沙箱执行 Python PoC 代码 | L2 |
payload_library |
内置 Payload 库 (SQLi/XSS/LFI/RCE/SSTI/SSRF 预设) | — |
风险等级：L0 = 只读/被动扫描，L1 = 主动探测/有限写，L2 = 真实漏洞利用，L3 = 高危破坏性操作
| 变量 | 必需 | 默认值 | 说明 |
|---|---|---|---|
ANTHROPIC_API_KEY |
是 | - | Anthropic Claude API 密钥（也可通过前端设置页面配置） |
JWT_SECRET |
生产环境必需 | argus-dev-secret-key-2024 |
JWT 签名密钥 |
DATABASE_URL |
否 | postgresql+asyncpg://argus:...@postgres:5432/argus |
PostgreSQL 连接串 |
REDIS_URL |
否 | redis://redis:6379/0 |
Redis 连接地址 |
NATS_URL |
否 | nats://nats:4222 |
NATS 消息总线地址 |
ENCRYPTION_KEY |
否 | 从 JWT_SECRET 派生 | Fernet 加密密钥（用于 API Key 加密存储） |
MITMPROXY_URL |
否 | http://mitmproxy:8080 |
mitmproxy 代理地址 |
CRAWLERGO_URL |
否 | http://crawlergo:7777 |
crawlergo 深度爬虫 API 地址 |
KATANA_URL |
否 | http://katana:7778 |
Katana API 端点发现服务地址 |
POC_SANDBOX_URL |
否 | http://poc-sandbox:9090 |
PoC 沙箱执行器地址 |
SIDECAR_SECRET |
否 | - | Sidecar 服务共享密钥 |
TASK_TIMEOUT_SECONDS |
否 | 3600 |
任务执行全局超时（秒） |
DEBUG |
否 | false |
调试模式 |
LOG_LEVEL |
否 | INFO |
日志级别（DEBUG/INFO/WARNING/ERROR） |
# 启动基础设施（数据库、Redis、NATS）
docker compose up -d postgres redis nats
# 后端开发（热重载）
cd backend
pip install -e .
uvicorn app.main:app --reload --host 0.0.0.0 --port 8000
# 前端开发（热重载）
cd frontend
npm install
npm run devdocker compose up -d # 启动所有服务
docker compose down # 停止所有服务
docker compose build # 重新构建镜像
docker compose logs -f backend # 查看后端日志
docker compose ps # 查看服务状态- 在
backend/app/tools/下创建工具文件，继承BaseTool：
from app.tools.base import BaseTool, ExecutionContext, RiskLevel
class MyNewTool(BaseTool):
name = "my_tool"
description = "工具描述"
risk_level = RiskLevel.L1
async def execute(self, params: dict, context: ExecutionContext) -> dict:
return {"success": True, "data": result}- 在
backend/app/tools/__init__.py的_register_all_tools()中注册 - 在
backend/app/agents/lats/actions.py中添加执行逻辑
cd backend
alembic revision --autogenerate -m "description" # 创建迁移
alembic upgrade head # 执行迁移
alembic downgrade -1 # 回滚graph TD
A[Recon 侦察] -->|Katana+crawlergo+Playwright| B[Init Tree 初始化搜索树]
B -->|EndpointCapability 兼容性过滤| C{MCTS Select 选择节点}
C -->|多维评分| D[Expand 生成候选方向]
D --> E[ReAct Execute 执行验证]
E --> F{Thought}
F -->|推理| G[Action 选择工具]
G --> H[Observation 观察结果]
H -->|继续| F
H -->|完成/回溯| I[Compute Reward]
I --> J[Backpropagate 回传奖励 + 衰减]
J --> K{终止条件?}
K -->|漏洞确认| L[Reporter 生成报告]
K -->|预算耗尽| L
K -->|继续搜索| C
K -->|分支穷尽| M[Prune 剪枝]
M --> C
- Argus 仅用于 授权的安全测试（SRC 漏洞挖掘、渗透测试授权范围内）
- 使用前请确保已获得目标的 书面授权
- PoC 沙箱虽有多层隔离，但不建议在生产环境中长期运行
- 默认配置的 JWT_SECRET 仅供开发使用，生产环境必须更换
- 建议配置独立的
ENCRYPTION_KEY用于 API Key 加密存储 - 数据库密码同理，生产环境必须使用强密码
Q: 启动后前端无法访问？
A: 确认所有容器健康：docker compose ps。前端依赖后端启动完成，通常需要等待 30-60 秒。
Q: Agent 不执行任何动作？
A: 检查 ANTHROPIC_API_KEY 是否正确配置。查看后端日志：docker logs argus-backend --tail 100。
Q: Playwright 报 "未初始化"？
A: 已修复。确保使用最新 Dockerfile（Chromium 缓存已复制到 appuser 目录）。如需重建：docker compose build backend && docker compose up -d backend。
Q: Katana 爬取返回空结果？
A: Katana 首次 headless 运行需下载 Chrome (~130MB)。被动模式（headless=false）对传统网站已足够。检查日志：docker logs argus-katana --tail 50。
Q: PoC 执行报 "Import not allowed"？
A: 沙箱仅允许以下模块：requests, urllib3, base64, json, hashlib, re, time, socket, struct, urllib, http, collections, itertools, string, binascii, zlib。修改 poc-sandbox/sandbox_worker.py 中的 ALLOWED_IMPORTS 可扩展白名单。
Q: crawlergo 返回空结果？
A: 目标站点可能阻止了 Chromium 访问。检查容器日志：docker logs argus-crawlergo --tail 50。
Q: 如何调整搜索深度？
A: 创建任务时可设置 max_iterations（默认 15）。核心参数位于 backend/app/agents/lats/graph.py。
MIT License
Built with care for Security Researchers