howmp/dsh-pentest
面向 DeepSeek Harness（dsh）的渗透测试模式 @CloverSecLabs
무엇인가요
dsh-pentest는 오픈 소스 AI 에이전트 프레임워크인 **DeepSeek Harness (DSH)**를 위한 플러그인 번들입니다. 이 번들은 DSH 세션 내에서 보안 평가 데이터(목표, 의도, 사실, 발견 사항, 자산 및 그 관계)를 기록, 정리 및 시각화할 수 있는 모의 해킹 모드를 추가합니다.
대상 사용자
- 이미 DSH를 사용 중이며 대상 시스템을 테스트할 명시적 권한을 가진 보안 전문가.
- 모의 해킹 아티팩트를 구조화된 방식으로 캡처하고 표시해야 하는 커스텀 DSH 에이전트 개발자.
- LLM 기반 워크플로우 내에서 보안 참여 과정을 추적하기 위한 즉시 사용 가능한 UI를 원하는 모든 사람.
핵심 구성 요소 (README 설명 기준)
| 구성 요소 | 역할 |
|---|---|
호스트 플러그인 (pentest.js) |
에이전트가 데이터를 저장하기 위해 호출하는 9개의 pentest_* 도구(예: pentest_add_goal, pentest_add_finding, pentest_submit)를 노출합니다. |
SQLite 백엔드 (storage-sqlite.js) |
Node 내장 node:sqlite를 사용하여 모의 해킹 그래프를 $DSH_HOME/storages/pentest-sessions.db에 영구 저장합니다. |
웹 UI (ui-pentest.client.js) |
DSH 웹 클라이언트에 새로운 탭을 추가하여 탐색 그래프, 취약점 목록, 자산 뷰, 마크다운 보고서의 4가지 하위 뷰를 제공합니다. |
도메인 모델 (spec.ts) |
6개의 테이블(goals, intents, facts, findings, assets, edges)과 에지 어휘(spawns, yields, derived_from, proves, parent)를 정의합니다. |
프로젝션 레이어 (projection.ts) |
DB의 전체 기록을 유지하면서 빠른 UI 렌더링을 위해 저장된 그래프를 윈도우 뷰(최근 200개 노드/자산)로 투영합니다. |
프로토콜 (instructions.ts) |
LLM이 모의 해킹 워크플로우를 따르고 도구를 통해 데이터를 작성하도록 안내하는 시스템 프롬프트(pentest:protocol)를 제공합니다. |
사용 방법
- 설치 – DSH CLI를 통해 npm(
dsh plugin add @howmp/dsh-pentest)에서 설치하거나 릴리스된 tarball을 다운로드합니다. - DSH 재시작 – 플러그인이 자동으로 등록되며, 세션 선택기에 새로운 “모의 해킹 모드”(pentest mode)가 나타납니다.
- 모의 해킹 실행 – 제공된 도구를 사용하거나 하위 에이전트가
pentest_submit을 호출하게 하여 목표, 의도, 사실, 발견 사항 및 자산을 추가합니다. 모든 호출은 메인 DSH 세션 로그가 아닌 SQLite DB에 저장됩니다. - 탐색 – UI는 참여의 방향성 그래프, 취약점 목록(심각도, 재현 단계, 영향받는 자산 포함), 자산 계층 구조 및 생성된 마크다운 보고서를 보여줍니다.
- 내보내기/복구 – 이 번들은 이전 DSH 버전으로 인해 손상된 세션 로그를 수정하기 위한
dsh-pentest-repair스크립트를 포함합니다.
제한 사항 및 안전 주의 사항
- 승인된 테스트 전용 – 이 플러그인은 법적으로 승인된 테스트를 위한 것이며, 어떠한 액세스 제어도 강제하지 않습니다.
- 세션 범위 데이터 – 각 모의 해킹 실행은 단일 DSH 세션 내에서만 유지되며, 세션 간 지속성은 없습니다.
- 윈도우 UI – UI는 최근 200개의 노드/자산만 표시합니다. 이전 항목은 DB에 남아 있으며
pentest_state또는pentest_report를 통해 액세스할 수 있습니다. - 로그 오염 방지 – 이 플러그인은 이전 DSH 버전과의 호환성을 깨뜨리지 않기 위해 자체 이벤트를 메인 DSH 세션 로그에 기록하지 않습니다.
- 호환성 – DSH ≥ 0.1.6 및 Node ≥ 22.5가 필요합니다. 이전 DSH 버전은 이 번들의 특정 프리릴리스 버전이 필요합니다.
중요성
보안 평가는 종종 많은 유동적인 요소(대상, 발견 사항, 증거, 수정 단계)를 포함합니다. 이 워크플로우를 LLM 기반 에이전트 플랫폼에 직접 내장함으로써, dsh-pentest는 분석가가 AI 어시스턴트 환경을 떠나지 않고도 전체 참여 과정을 구조화되고 재현 가능하며 시각화된 상태로 유지할 수 있게 합니다.
위의 모든 세부 정보는 리포지토리의 README에서 직접 가져온 것이며, 추가 기능은 추론되지 않았습니다.
관련
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트