0rangec3t/Black-cat
Claude Code RedTeam Skill — Hypothesis-Driven Cognitive Architecture。一个假设-证据驱动的红队skill
解決的問題
Black cat 是為 Claude Code 設計的專用「技能」,透過模擬人類推理來自動化滲透測試(紅隊作戰)。它以假設驅動的狀態機取代傳統的線性流程(Recon → Scan → Exploit),使代理能回溯、驗證證據,並根據新發現進行橫向移動。
工作原理
本專案實作了狀態機模型(RECON ↔ ENUMERATE ↔ VALIDATE),當出現失敗或新信號時,不會單純跳至下一步,而是產生新的假設。它採用結構化方法管理代理的記憶與執行過程:
- 假設驅動邏輯:不先執行工具,而是代理先識別信號,形成假設,再進行驗證。
- 案例帳本:
ledger.jsonl檔案作為單一真實來源,追蹤假設、證據與結論,防止長時間會話中的上下文溢出。 - 明確的檔案路由:為保持 LLM 上下文視窗清晰,系統僅在需要時載入特定技術檔案(如
web.md、recon.md、ad.md)。 - 機器門控:驗證腳本(
case_ledger.py)確保所有發現皆經完整證據鏈驗證後才生成最終報告。
適用對象
使用 Claude Code 並希望在 Web、雲端與內部網路上以結構化、自動化方式執行複雜紅隊滲透測試的安全研究人員與滲透測試人員。
主要亮點
- 全面的攻擊面覆蓋:涵蓋 Web(API 模糊測試、SSRF、Fastjson)、Active Directory(BOF 收集、Kerberos 反射)、雲端(K8s 逃逸、IAM 後門)與 EDR 繞過等高階技術。
- 狀態機架構:支援非線性工作流程,當發現新資訊時可返回先前狀態。
- 自動證據追蹤:從機器可讀帳本自動產生
evidence-validation.md報告。 - 工具降級鏈:當工具缺失時,可從首選工具降級至替代工具或手動 API 呼叫,避免產生幻覺命令輸出。
- 上下文管理:在長時間會話中實作自動黑板摺疊,防止 LLM 上下文溢出。
相關
- 專案
- 專案
- 專案
- 專案