0xSteph/pentest-ai

pentest‑ai (ptai) – AI‑coordinated, oracle‑verified penetration testing

功能简介 – ptai 是一款基于 Python 的命令行工具，它仅使用大语言模型 (LLM) 来协调一系列现有的安全扫描器、漏洞利用工具和自定义探测器。在发现漏洞后，该工具会针对目标重新运行一个确定性的、非破坏性的概念验证（即“oracle”）。只有当 oracle 重现该问题 N/N 次时，该发现才会被标记为 VERIFIED（已验证），并打包成可重复执行的“证明胶囊”。

核心能力

• LLM 编排工作流 – LLM (Claude, OpenAI, Ollama 等) 驱动包含 200 多个封装工具和约 60 个 Web 探测器的流水线，决定运行哪些工具以及如何链接结果。
• Oracle 验证 – 每个候选漏洞利用都会由专门的“机器 oracle”（例如，使用泄露的密钥登录、重新发送构造的请求）重新执行。只有当 oracle 成功时，该发现才会获得 VERIFIED 徽章和一个可随后重放的便携式证明胶囊 (ptai replay)。
• 多阶段代理 – 包括侦察、身份验证处理、Web/API/AD/云测试、权限提升、漏洞利用链构建、PoC 验证、检测规则生成、报告，以及可选的红队、移动端和无线代理。
• 零信任执行 – 所有网络流量均源自用户机器；除非用户提供 LLM 端点，否则不需要云服务。该工具可以使用 Ollama 完全离线运行。
• CI/CD 集成 – GitHub Action 示例展示了如何在出现已验证的高危发现时，通过 SARIF、JUnit 或 PDF 报告来阻断 PR。
• 范围安全性 – 活动工具被锁定在主机范围内；扫描器绝不会追踪从页面抓取的第三方 URL。
• 成本控制 – 对于独立模式（非 MCP），LLM 消耗默认限制在 10 美元；可以通过 PTAI_PRICE_LIMIT 进行配置。

工作原理（高层流程）

1. ptai start <target> 启动一次渗透测试任务。
2. Recon (侦察) 收集端口、DNS、服务指纹。
3. Auth (身份验证) 进行登录（凭据可以从环境变量、1Password、Vault 等引用）并维持会话。
4. Web / API / AD / Cloud 代理 运行确定性的探测（涵盖 OWASP Top 10、API Top 10 等的 60 多个 SPA 感知检查）。
5. 发现结果存储在本地 SQLite 数据库中。
6. Exploit‑chain 代理 将发现结果关联成多步攻击路径。
7. Poc‑validator (oracle) 重新执行每个发现；只有成功的发现才会成为 VERIFIED 并打包进可重放的胶囊中。
8. Report 代理 输出 Markdown、HTML、PDF、SARIF、JUnit 以及可选的检测规则导出。

安装与使用

pip install ptai               # 核心包
tai start https://target.com   # 交互式运行（提示身份验证、范围等）
tai demo                       # 对内置漏洞应用进行快速演示
tai replay <capsule>           # 亲自重放证明胶囊

文档中记录了 三种执行路径：

• 路径 1 – 从 Claude Code（或其他兼容 MCP 的客户端）驱动 ptai 且无需 API 密钥；客户端现有的 Anthropic 订阅将提供 LLM。
• 路径 2 – 通过 ptai setup --mcp 自动配置其他 MCP 客户端（Cursor, VS Code Copilot 等）。
• 路径 3 – 用于 CI、隔离环境终端或没有 MCP 客户端的用户。需要 LLM API 密钥或本地 Ollama 服务器。

基准测试（如 README 中所述）

• 在包含 14 种漏洞类型的自定义蜜罐上，ptai 以 100% 精度 和 零误报 验证了 23 个发现。
• 在 OWASP Juice Shop 上，单次扫描产生了 12 个 oracle 验证的发现（例如，JWT alg:none、BOLA、顺序 IDOR、类型混淆）。
• 该工具附带蜜罐框架和干净的应用测试套件，因此这些数据是可重现的。

何时使用

• 在需要每个漏洞的高置信度、可重现证明的内部红队或渗透测试任务中。
• 必须根据已验证的安全发现来拦截合并的 CI/CD 流水线。
• 具有严格数据隐私要求的环境（本地运行，无遥测，可选离线 LLM）。
• 已经使用兼容 MCP 的 LLM 客户端（Claude Code, Cursor 等）并希望通过安全工具进行扩展的团队。

局限性 / 注意事项

• LLM 仅作为协调者；检测覆盖范围取决于精选的探测库（约 60 个 Web 探测器，200 多个封装工具）。库之外的新型漏洞将无法被发现。
• Oracle 验证会增加运行开销；在笔记本电脑上进行完整扫描可能需要几分钟。
• 在独立模式下，LLM 使用会产生 API 费用；默认的 10 美元限额可能会导致长时间任务中断，除非调高限额。
• 该工具具有攻击性，需要签署授权使用政策；只能针对您有权测试的系统运行。

---

TL;DR – pentest‑ai (pip 包 ptai) 是一个开源的、由 LLM 编排的渗透测试框架，它通过自动重新执行每个发现的漏洞利用来生成机器验证的证明，从而脱颖而出。它在本地运行，与现有安全工具集成，支持 CI/CD，并提供基于云 (MCP) 和完全离线的使用模式。