2026-07-19 05:17:30 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

文章总结： ClaudeBrain是Encod3d-Sec团队开源的基于LLMWiki模式的红队与漏洞赏金自动化工具，通过500多页技术Wiki、按漏洞类型划分的狩猎技能库、确定性自动化钩子和状态优先的渗透任务模型，将AI打造成有记忆、会学习的渗透测试助手，提升测试效率并实现知识持续积累，仅限授权测试使用。 综合评分： 86 文章分类： 渗透测试,红队,AI安全,安全工具,漏洞分析

cover_image

渗透测试装上AI第二大脑

原创

Violet Walker Violet Walker

黑白之道

2026年7月16日 08:45 韩国

在小说阅读器读本章

去阅读

导语：渗透测试和漏洞赏金猎人最怕什么？不是目标系统太坚固，而是自己的知识储备不够用——面对一个陌生的目标，光是梳理攻击面就要耗费大量时间，遇到新漏洞类型还得临时查文档。有没有办法让AI助手”记住”所有渗透测试知识，并在每次行动前自动调用最相关的技能？Encod3d-Sec团队开源的ClaudeBrain，就是来解决这个问题的。

一、ClaudeBrain是什么？

ClaudeBrain是Encod3d-Sec团队推出的一款基于Karpathy LLM Wiki模式构建的红队与漏洞赏金自动化工具，核心思路来自AI大牛Andrej Karpathy提出的”LLM Wiki”概念——让AI在每次对话中不再从原始文档重新推导答案，而是基于一个持续积累、可被语义搜索的知识库来综合信息。

说得更直白一点：ClaudeBrain将Claude Code武装成了一个”永不遗忘”且”触类旁通”的渗透测试助手。它不仅拥有500多页的进攻安全技术Wiki（涵盖Web、云、Active Directory、移动物联网等多个领域），还内置了按漏洞类型划分的”狩猎技能库”，能根据当前目标自动匹配最相关的测试路径，并在整个渗透测试过程中保持状态管理，避免重复劳动和遗漏。

二、核心功能一览

2.1 500+页技术Wiki，知识永不消散

ClaudeBrain的知识库是整个项目的核心，采用了Obsidian风格的Markdown页面组织形式，所有页面经过qmd索引优化，支持语义搜索和关键词搜索。这意味着当你向Claude Code询问”SSRF打云元数据”或”AD CS ESC1″时，系统能在毫秒级别内定位到最相关的技术页面，而不是让AI凭”记忆”现场发挥。

知识库涵盖以下主要领域：

wiki/techniques/：Web安全、网络安全、Active Directory、云安全（AWS/Azure/GCP）、Linux/macOS、漏洞利用开发、OSINT、破解、红队、移动/物联网、区块链及方法论
wiki/payloads/：按漏洞类型分类的载荷库，狩猎技能直接从中调取
wiki/tools/：各主流工具的参考手册（nmap、ffuf、nuclei、httpx、sqlmap、BloodHound、netexec等）
wiki/cheatsheets/：速查表和常见设备默认凭证表

更妙的是，这个Wiki会随着每次渗透测试”长大”——内置的learn技能会将每次对抗中获得的通用经验（去敏感化后）沉淀回Wiki，实现真正的知识积累。

2.2 狩猎技能库：每种漏洞都有专属”猎手”

ClaudeBrain为每一种常见漏洞类型都配备了专门的狩猎技能（Hunt Skills），每个技能都遵循”先查Wiki、再攻击、最后输出统一格式结果”的工作流：

覆盖的漏洞类型包括：XSS、SQL注入、SSRF、IDOR、RCE、认证绕过、OAuth/SAML联邦攻击、反序列化、云环境攻击（AWS/Azure/GCP）、Active Directory、API安全（OWASP API Top 10）、LLM/AI安全、请求走私、缓存中毒等。

每个技能都内置了Out-of-Band（带外）触发机制，专门应对盲注类漏洞——换句话说，即便目标不返回任何响应，技能也能通过DNS/HTTP带外渠道确认漏洞存在。测试结果统一输出为FIND格式，便于后续整理和报告。

2.3 确定性自动化钩子：让AI在对的时机做对的事

ClaudeBrain通过Python钩子（Hooks）实现了一套确定性自动化机制，嵌入Claude Code的运行生命周期：

hunt-trigger.py（UserPromptSubmit阶段）：将用户输入与skills/hunt/triggers.json进行匹配，自动加载对应的狩猎技能
recon-capture.py（PostToolUse阶段）：对发现的技术栈进行指纹识别，路由到定向测试，并自动将结果捕获到当前任务状态和PoC证据中
engagement-init.py（SessionStart阶段）：自动修复任务文件集，注入优先级排序的下一步行动摘要
scope-guard.py（PreToolUse阶段）：当命令指向范围外主机或使用了禁止的工具时发出警告

2.4 状态优先的渗透任务模型

每个渗透任务（engagement）都对应targets/下的一个专属目录，包含状态文件（state）、成果目录（loot）、路径记录（paths）、范围定义（scope）和覆盖率追踪（coverage）。内置分析器（next_move.py、coverage.py）会实时排名下一步行动，并标注出尚未测试的漏洞类型，确保在范围内的每一类威胁都不被遗漏。

2.5 严格的客户数据隔离机制

这一点对于团队协作和多人项目尤为重要：ClaudeBrain在.gitignore中硬性规定，所有客户相关数据（目标IP、凭证、发现结果等）只能存放在targets/目录下——该目录整体被git忽略，绝不会意外提交到公共仓库。脚本check-leaks.sh会在每次push前扫描追踪文件中的敏感标记，及时发现泄露风险。

三、快速上手

系统要求

Linux 或 WSL（Windows Subsystem for Linux）
bash + python3（3.10及以上）
Claude Code CLI
Node.js >= 18 和 bun

安装步骤

# 1. 克隆仓库
git&nbsp;clone&nbsp;https://github.com/Encod3d-Sec/ClaudeBrain.git
cd&nbsp;ClaudeBrain

# 2. 一次性机器初始化（会自动写入~/.claude配置、注册MCP服务器等）
bash setup/bootstrap.sh

# 3. 构建搜索索引（新增Wiki页面后需重新运行）
qmd update

# 4. 重启Claude Code加载钩子、技能和MCP服务器

# 5. 创建新任务（支持pentest | bugbounty | ctf三种模式）
bash setup/new-engagement.sh acme pentest

# 6. 每次push前检查敏感信息泄露
bash scripts/check-leaks.sh

四、适用场景

ClaudeBrain主要面向以下场景：

授权渗透测试：在签署协议的渗透测试项目中，借助其结构化工作流提升效率
漏洞赏金狩猎：系统化地覆盖OWASP API Top 10等漏洞类型，减少盲目测试
CTF竞赛：内置方法论指导和丰富的载荷库，有助于快速定位攻击路径
红队研究：知识积累和状态管理机制让长期对抗研究更加系统

再次强调：该项目仅限授权测试使用，所有操作须在合法授权范围内进行。

五、总结

ClaudeBrain的出现，代表了AI与安全研究工作流融合的一种新思路。它不是让AI凭空发挥，而是通过结构化的知识库（Wiki）+ 技能编排（Hunt Skills）+ 确定性自动化（Hooks）+ 状态管理（Engagement Model）四层架构，让AI真正成为一个”有记忆、会学习、不重复踩坑”的渗透测试搭档。

对于经常需要面对各种复杂目标的安全研究员来说，ClaudeBrain提供了一种将”知识资产”持续积累并随时调用的途径——你不再需要每次重新研究SSRF的经典攻击面，因为它已经在Wiki里了；你也不需要担心自己遗漏了什么漏洞类型，因为状态管理模块会帮你追踪。

项目地址：https://github.com/Encod3d-Sec/ClaudeBrain

👇 点击阅读原文，访问我的网站

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：黑白之道 Violet Walker Violet Walker《渗透测试装上AI第二大脑》