Armur-Ai/Pentest-Swarm-AI
Autonomous penetration testing using a swarm of AI agents. Orchestrates recon, classification, exploitation, and reporting specialists with ReAct reasoning — supports bug bounty, continuous monitoring, and CTF modes. Built with Go and 7+ native security tools.
Pentest Swarm AI – 開源的蜂群式滲透測試框架
是什麼
- 一個基於 Go 的命令列工具,可同時執行數十個自主的 AI 代理。代理透過 協同作用 的黑板(Postgres + pgvector 儲存)共享資訊,每個發現都附帶一個「費洛蒙」權重。其他代理讀取該黑板,當權重達到閾值時作出反應,因此工作流程是自然湧現的,而非遵循固定流程。
為什麼「蜂群」很重要
- 傳統的 AI 渗透測試工具(如 PentestGPT)使用單一規劃器 LLM,依序呼叫專用工具:偵察 → 分類 → 攻擊 → 報告。Pentest Swarm 以去中心化的代理集合取代該規劃器,代理透過黑板協調。這實現了真正的平行處理——一個 1,000 個子網域的目標可由多個代理同時探測——並允許攻擊鏈自然形成(例如,偵察發現可立即觸發攻擊,無需硬編碼的交接)。
核心元件
| 元件 | 技術/角色 |
|---|---|
| 代理 | 四個內建代理(偵察、分類、攻擊、報告)。每個獨立執行,可增刪而不影響其他代理。 |
| 黑板 | Postgres 16 + pgvector;儲存發現結果、費洛蒙水準和用於相似性搜尋的向量嵌入。 |
| 費洛蒙 | 數值權重,隨時間衰減(不同發現類型半衰期不同)。當權重超過閾值,相關代理被喚醒。 |
| LLM 提供者 | 一個提供者設定(Claude、Together AI、OpenAI 相容、Gemini、Ollama、LM Studio、OrcaRouter)。所有代理使用同一模型;框架僅提供「手」(工具執行、協調)。 |
| 工具鏈 | ProjectDiscovery Go 庫(subfinder、httpx、nuclei、naabu、katana、dnsx、gau)及 nmap 適配器。未來計畫支援 Metasploit、sqlmap、ZAP、Burp 等。 |
| 儀表板/UI | 互動式 TUI(Cobra + Bubbletea)用於快速啟動;可選 Web 儀表板(Next.js 15)在 localhost:7777 上執行,顯示即時圖表與蜂群拓撲。 |
| 快取/速率限制 | Redis 7 用於會話狀態與請求節流。 |
如何使用
- 安裝 – 透過 npm、Homebrew、Go 安裝、Docker 拉取或 curl 腳本一鍵安裝。
- 執行 –
pentestswarm run開啟 TUI,選擇提供者,貼上 API 金鑰(或使用本地 Ollama 模型),將蜂群指向目標 URL 或內建的脆弱實驗室(如 OWASP Juice Shop、crAPI、VAmPI、DVGA)。 - 觀察 – UI 顯示即時圖表、代理拓撲圖和分級發現的串流列表。可另開 Web 儀表板以獲得更豐富的視覺化。
- 腳本 – 用於 CI/CD 或自動化時,使用旗標形式:
pentestswarm scan <target> --scope <scope> --swarm …。
安全與合法性
- 工具在編排層與每個執行器內部均強制執行範圍。
--strict模式將任何 LLM 錯誤視為致命錯誤。README 中的免責聲明強調,該軟體僅用於授權測試(漏洞獎金計畫、CTF、紅隊演練、研究)。
目前狀態
- 核心順序 5 階段執行器為 穩定。
- 協同作用蜂群排程器為 Alpha(透過
--swarm啟用)。 - Postgres 黑板為 Beta(遷移完成前預設使用記憶體黑板)。
- 實時儀表板為 Alpha;VS Code 延伸與 GitHub Action 為 Beta。
- 計畫中的第二波功能包括 Metasploit、sqlmap、ZAP、Burp 的適配器,以及更豐富的社群劇本集。
適合誰
- 希望一夜之間覆蓋大範圍的滲透測試人員。
- 追求新資產上首個漏洞的漏洞獎金獵人。
- 需要廣度與速度的紅隊操作員。
- 探索自主進攻型 AI 的安全研究人員。
總結 Pentest Swarm AI 是一個真正的開源專案,可將任何 LLM(Claude、Together AI 模型、本地 Ollama 等)轉化為協調的自主滲透測試代理蜂群。透過利用協同作用與費洛蒙驅動的湧現機制,它旨在實現「機器速度」下的並行、證據支援的漏洞發現,同時將所有資料控制權保留在使用者手中。
相關
- 專案
- 專案
- 專案
- 專案
- 專案