【AI渗透工具】——Pentest-AI

原创

网络安全民工
网络安全民工

网络安全民工

2026年6月28日 10:41
北京

在小说阅读器读本章

去阅读

Pentest-AI

渗透测试工具，用来证明其发现。没有神谕，没有徽章。

⚠️ 冒犯性工具，仅限授权测试。安装即表示您同意 AUP 和条款。全文请阅读 负责任使用 ↓

PTAI 是一个由人工智能驱动的渗透测试工具，会重新运行每一次漏洞以确认。它会进行侦察、登录，并将发现串联成多步攻击路径，但不会要求你信任结果。就像 TruffleHog 通过登录确认泄露的秘密一样，ptai 通过重跑漏洞来确认网络发现：发现会保持候选状态，直到机器预言机从中 N 重现出它，只有在那时它才会获得 VERIFIED 徽章。第三方扫描器输出（核、Nikto、zap）会被保留，直到 Oracle 重新验证。扫描噪声训练团队忽视工具，因此报告只包含 ptai 能证明的内容，每个已验证的发现都配有便携式的证明胶囊，你可以自己回放。

在一个私有的20个漏洞蜜罐上：19/20被抓，精度100%，零误报，四个错误类别通过预言机验证。运行在你的笔记本电脑上。没有云层，没有遥测。

证明

pip install ptai && ptai demo

ptai demo扫描一个捆绑的易受攻击应用并报告，然后从证明胶囊中实时回放一个应用（），然后运行相同的硬化路线并报告。两次运行之间唯一变化的是修复，所以发现会随着漏洞出现又消失，而不是因为工具突然安静。两分钟，没有API密钥，没有自己的目标。用 重新验证任何胶囊。4 findings, 3 oracle-VERIFIED``replay 3/3``0 findings``ptai replay

诚实的数据。19/20在100%精度下是对一个私人20个漏洞蜜罐的一次运行（共39项发现），而非现场误报率。oracle门购买精度而不消耗回忆成本：它去除了假阳性，不提高捕捉率。“四个神谕验证类”意味着四个虫类今天有一个具体的神谕;每次发布都会有更多土地。OAST证明了HTTP回调盲层;仅限DNS回拨是后续的。蜜罐束（）和一个干净应用的零FP门（）都出现在仓库里，所以声明是可复现的，而不是截图。tests/honeypot/``tests/cleanapp/

新内容：信任脊柱

现在，所有已验证的发现都来自命名机器预言机，而非大型语言模型断言，且通过代码强制执行：无法命名其预言机的判决被拒绝。本稿新增内容：

• 八个机器预言机用于重运行漏洞以确认利用：反射、开放重定向、IDOR/BOLA、错误披露、MCP暴露、SQLi（布尔和盲）以及带外（OAST），用于自架协作者上的盲SSRF/XXE。
• 证明或杀死门控

：第三方扫描器输出会隐藏，直到神谕者重新验证。
* 便携式证明胶囊，带有实时TUI，显示判决在屏幕上翻转为已验证，以及CI门（），仅在经过验证的发现时破坏构建。ptai replay``--fail-on verified

runing

One prompt to Claude Code. MCP服务器对目标运行了ptai的工具，Claude将发现数据流回会话中。订阅驱动，没有API密钥。

通过 MCP 上的 Claude Code 指向一家 OWASP Juice Shop 的库存，ptai 发现并进行了 PoC 处理了主要的 bug：JWT 在 8+ 受保护端点上被接受，SQLi 认证绕过，基于 UNION 的 SQLi，通过 NUL 字节绕过路径过滤，XXE 泄露，文件上传多语种，批量分配，密码重置绕过。每个人都有一个可用的联系人。Juice Shop是一个研究重点，所以把原始发现量解读为广度;精准的故事，只有神谕者能证明的，就是上面的演示和蜜罐。alg:none``/rest/user/login``/rest/products/search``/etc/passwd

录制是对本地 OWASP 蜜罐的实际输出，注册为 MCP 服务器。cast文件在assets/realdemo.cast中;GIF 使用的时间节奏重渲染格式在 assets/realdemo-paced.cast 中。发现是真实的;线路间时序为可观看性进行了重建，因为缓冲区和转储在非交互模式下。保留确定性合成的备选（assets/demo.tape + assets/demo.sh）以实现可复现的重渲染。claude -p``pentest-ai``claude -p

诚实声明：Juice Shop 是互联网上被报道最多、故意设计漏洞的应用，因此大型语言模型（LLM）和探测作者都占据了先机。针对新颖目标，捕获率取决于精心策划的探针库实际覆盖的范围：目前有60个网络探针，每次发布都在增长。LLM协调并推理结果;它不能替代探头。私人蜜罐框架在我们自己编写的漏洞覆盖中被断言为10/10被抓获（）。那里的人数比Juice Shop还少，这正是重点。我们两者都出版。查看完整的Juice Shop基准测试与ZAP / Nuclei / HexStrike的比较。tests/honeypot/``tests/honeypot/test_mcp_honeypot_e2e.py

安装

pip install ptai

路径1：从Claude代码驱动（无API密钥）

如果你已经付费购买了Claude Pro / Max / Team，那么你的订阅就是LLM。将ptai线路连接为MCP服务器：

claude mcp add pentest-ai -- ptai mcp

重启Claude代码，然后询问：

“对 staging.acme.com 做个认证渗透测试。登录地址是 /login，密码是 25export PTAI_PRICE_LIMIT=0         # unlimited (logs a warning)``unset PTAI_PRICE_LIMIT            # back to the PENTEST_AI_API_TOKEN``WS /engagements/{id}/stream

将其他MCP服务器加载为工具源

请用hexstrike或其他兼容MCP的安全服务器进行合成。编辑：~/.pentest-ai/mcp_servers.json

{  \"servers\": [    {\"name\": \"hexstrike\", \"command\": \"python3 hexstrike_mcp.py\", \"transport\": \"stdio\"}  ]}

中路接手（HITL远程操作）

在交接运行时，在600毫秒内按两次以暂停编排器并切换到REPL：， ， ， 。当前的大型语言模型并非完全自主。关键时刻由操作员负责通话。Ctrl+C``step``inspect findings``inject <instruction>``skip``resume``abort

公开基准

可复现的破解率测量数据实时存在基准测试/：

./benchmarks/scripts/run_all.sh   # writes JSON per run + RESULTS.md

规格、线束、结果都在 git 里。Juice Shop 与 ZAP / Nuclei / HexStrike 的完整对比可以在 docs/benchmarks/juice-shop.md 查看。没有“98.7% 检测率”的宣传，你无法审计。

云工作空间（Pro / Team / Enterprise）

CLI永久免费，所有内容都存储在本地。如果你想要参与历史、品牌化的客户端专用PDF报告和团队协作，可以将CLI链接到 app.pentestai.xyz 工作区：

# Sign up, then Dashboard -> API Keys -> Generate -> copy ptai_...ptai auth login        # paste the key (hidden prompt)ptai auth status       # confirm link# or use an env var for CI:export PENTESTAI_API_KEY=ptai_...

ptai start认证后会自动同步发现到你的云工作区。无云=无通话;集成是无声关闭的，除非你登录。

完全没有大型语言模型（互动启动器）

ptai menu

数字分类导航、搜索（）、标签过滤（）、基于关键词的推荐。真实的互动仍然会在完整范围确认下完成。/term``t web``ptai start

Why it's different

工作原理

┌─────────────────────────────────────────────────────────────┐│                    ptai start <target>                      │└─────────────────────────────────────────────────────────────┘                             │          ┌──────────────────┼──────────────────┐          ▼                  ▼                  ▼      ┌────────┐        ┌────────┐        ┌─────────┐      │ recon  │   ->    │  auth  │   ->    │   web   │      └────────┘        └────────┘        └─────────┘                                               │          ┌────────────────────────────────────┤          ▼                                    ▼      ┌────────┐                          ┌─────────┐      │   ad   │   ┌──────────────────┐   │ cloud   │      └────────┘   │  Findings DB     │   └─────────┘          │        │  (sqlite + evidence)│       │          └───────▶│  scope-guarded     │◀──────┘                   │  deduplicated      │                   └──────────────────┘                             │                ┌────────────┼────────────┐                ▼            ▼            ▼           ┌──────┐    ┌─────────┐  ┌──────────┐           │chain │    │validate │  │ detect   │           └──────┘    └─────────┘  └──────────┘                             │                             ▼                       ┌──────────┐                       │  report  │   md · html · pdf · SARIF · JUnit                       └──────────┘

每个代理在你设置了密钥时会运行一个大型语言模型，未设置时则作为确定性工具循环运行。无论哪种方式，相位顺序是相同的。

代理人

战术手册

你的方法论作为文件。我查过git。与你的团队共享。

name: internal-ad-pentestinputs:  domain: { required: true, prompt: \"AD domain\" }  dc_ip:  { required: true, prompt: \"DC IP\" }phases:  - id: recon    tools: [nmap, masscan]  - id: ad-enum    depends_on: [recon]    condition: \"any_finding(type='open_port', port=445)\"    tools: [enum4linux, ldapsearch, bloodhound-python]  - id: kerberoast    requires_finding: { type: ad_user_enumerated }    tools: [impacket-getuserspns]    llm_decide: true         # let the LLM skip if context says useless

ptai playbook list                  # show installed playbooksptai playbook show web-app-quick    # preview before runningptai playbook run ./my-ad.yaml      # execute

内置五本战术手册。社区目录即将推出。

把它放进你的CI里

# .github/workflows/security.ymlname: Security scanon: [pull_request]jobs:  ptai:    runs-on: ubuntu-latest    steps:      - uses: actions/checkout@v4      - run: pip install ptai      - run: |          ptai start {{ secrets.ANTHROPIC_API_KEY }}      - uses: github/codeql-action/upload-sarif@v3        if: always()        with:          sarif_file: pentest.sarif

发现以公关评论形式发布，SARIF 上传到 GitHub 代码扫描，构建因门槛严重度而失败。GitLab CI 和 Jenkins 模板，以及高级选项（CI 中的认证配置文件、成本门、范围文件）——> docs/ci-cd.md。

基准测试

PTAI 的设计专为 SPA 渗透测试设计，并配备精心筛选的探针覆盖范围。在OWASP果汁店上，发布的四工具矩阵显示：

n=1个单一评分，单次击球。方法论 + 基准/结果/2026-05-12/juice-shop/中的原始伪影。说实话：ptai 在 SPA 网络渗透测试方面更胜一筹，且有精心筛选的探针覆盖。HexStrike 更广泛（云端、二进制、CTF），很可能比传统可爬取表面如 WordPress 的 ptai 更强。V5会扩大比较范围。

最新研究背景：完全自主的LLM渗透测试代理完成了21-31%的任务端到端;人工辅助设置达到64%（ARTEMIS、DARPA AICC Atlantis、xOffense）。ptai专为人类辅助系统设计：LLM推理结果，策划的探针检测，Ctrl+C两次让操作员接手。

对阵场地

里面是什么

• 17名代理

涵盖侦测、网页、API安全、AD、云端、移动端、无线、浏览器、凭证测试、权限升级、漏洞扫描、漏洞链、人种验证、检测、报告、大型语言模型红队、社会工程学
* 60个精选的网络探题，

涵盖OWASP前十名+API前十名
* 200+ 工具包装带

自动安装：nmap、masscan、nuclei、ffuf、sqlmap、gobuster、wapiti、nikto、dalfox、xsstrike、wpscan、hydra、hashcat、enum4linux、bloodhound-python、impacket 套件、trufflehog、gitleaks、kube-hunter、trivy、prowler、scout-suite 等
* 集成4000+核模板用于原子脆弱性检测
* 49个面向LLM驱动的MCP工具，包括0.14.0的添加（， ），允许外部LLM在无需Anthropic API密钥的情况下批量安装工具plan_tools``ensure_tools_installed
* 通过

LiteLLM提供商（Anthropic、OpenAI、Ollama Direct;Azure、OpenRouter、DeepSeek、Groq、Mistral、Together AI、Bedrock、Vertex AI、Cohere 通过 LiteLLM 提供）
* HTTP REST API + WebSocket surface （） 用于非 MCP 集成ptai serve
* 本地网页仪表盘

，包含实时参与视图、发现表、攻击链可视化、SARIF 导出
* 浏览器自动化代理，支持截图截图、DOM分析、网络捕获、安全头部调级（Playwright驱动）
* 人在环中远程操作

（Ctrl+C两次以接管战斗中段）
* MCP 客户端

可作为工具源加载外部 MCP 服务器的能力
* 公开可重复基准工具

。数字、代码、原始伪影，全都在 git 里。benchmarks/
* 6种输出格式

：Markdown、HTML、PDF、SARIF 2.1.0、JUnit XML、合规映射（OWASP、CWE、CVE、CVSS v3.1）
* 在Python 3.10、3.11、3.12、3.13上用CI进行1,000+测试
*