Pentest Muse:一款专为网络安全人员设计的AI助手

关于Pentest Muse

Pentest Muse是一款专为网络安全研究人员和渗透测试人员设计和开发的人工智能AI助手,该工具可以帮助渗透测试人员进行头脑风暴、编写Payload、分析代码或执行网络侦查任务。除此之外,Pentest Muse甚至还能够执行命令行代码并以迭代方式解决复杂的问题和任务。

简而言之,我们只需要把想做的事情告诉Pentest Muse,它就能够帮助我们完成想要的安全测试与评估任务。

Pentest Muse Web应用程序

除了命令行接口之外,该工具还提供了Web应用程序版本,广大研究人员可以直接点击【这里】访问Pentest Muse最新的线上版本。

工具要求

annotated-types==0.6.0

anyio==3.7.1

certifi==2023.11.17

distro==1.8.0

h11==0.14.0

httpcore==1.0.2

httpx==0.25.2

idna==3.6

markdown-it-py==3.0.0

mdurl==0.1.2

openai==1.3.5

prompt-toolkit==3.0.41

pydantic==2.5.2

pydantic_core==2.14.5

Pygments==2.17.2

python-dotenv==1.0.0

rich==13.7.0

setuptools==68.0.0

sniffio==1.3.0

tqdm==4.66.1

typing_extensions==4.8.0

wcwidth==0.2.12

wheel==0.41.2

pyfiglet

requests==2.31.0

websocket-client==1.7.0

工具安装

由于该工具基于Python 3.12开发,因此我们首先需要在本地设备上安装并配置好Python 3.12+环境。

接下来,广大研究人员可以直接使用下列命令将该项目源码克隆至本地:

复制代码
git clone https://github.com/pentestmuse-ai/PentestMuse

然后切换到项目目录中,使用pip工具和项目提供的requirements.txt安装该工具所需的其他依赖组件:

复制代码
cd PentestMuse

pip install -r requirements.txt

除此之外,我们也可以将项目代码克隆至本地后,将Pentest Muse以Python包的形式安装:

复制代码
pip install .

工具运行

聊天模式(默认)

在聊天模式中,我们可以直接与Pentest Muse聊天,并请它帮我们头脑风暴、编写Payload或对代码进行安全分析。参考命令如下:

复制代码
python run_app.py

复制代码
pmuse

代理模式(Beta)

我们也可以让Pentest Muse使用代理模式来执行操作。在代理模式下,Pentest Muse能够帮助我们完成一系列简单的任务,例如"帮我们在url为xxx的目标上执行SQL注入测试"。下列命令可以直接以代理模式启动Pentest Muse:

复制代码
python run_app.py agent

复制代码
pmuse agent

语言模型选择

API管理

www.pentestmuse.ai/signup上注册后,我们就可以使用Pentest Muse来管理API了,创建一个账号,打开Pentest Muse的命令行接口,程序将会提示我们进行登录。

OpenAI API密钥

除此之外,我们还可以选择使用自己的OpenAI API密钥。我们可以直接在启动Pentest Muse脚本时,添加下列命令行参数选项即可:

复制代码
--openai-api-key=[your openai api key

许可证协议

本项目的开发与发布遵循MIT开源许可协议。

项目地址

Pentest Muse :【GitHub传送门

参考资料

Pentest Muse

相关推荐
OpenBayes10 分钟前
教程上新|DeepSeek-OCR 2公式/表格解析同步改善,以低视觉token成本实现近4%的性能跃迁
人工智能·深度学习·目标检测·机器学习·大模型·ocr·gpu算力
冰糖猕猴桃1 小时前
【AI】把“大杂烩抽取”拆成多步推理:一个从单提示到多阶段管线的实践案例
大数据·人工智能·ai·提示词·多步推理
PPIO派欧云1 小时前
PPIO上线GLM-OCR:0.9B参数SOTA性能,支持一键部署
人工智能·ai·大模型·ocr·智谱
雨大王5121 小时前
怎么打造一个能自我进化的制造数字基座?
人工智能·汽车·制造
fengfuyao9851 小时前
基于MATLAB的表面织构油润滑轴承故障频率提取(改进VMD算法)
人工智能·算法·matlab
爱吃泡芙的小白白1 小时前
深入解析CNN中的Dropout层:从基础原理到最新变体实战
人工智能·神经网络·cnn·dropout·防止过拟合
Eloudy1 小时前
全文 -- TileLang: A Composable Tiled Programming Model for AISystems
人工智能·量子计算·arch
才盛智能科技2 小时前
K链通×才盛云:自助KTV品牌从0到1孵化超简单
大数据·人工智能·物联网·自助ktv系统·才盛云
广州赛远2 小时前
IRB2600-201.65特殊机器人防护服清洗工具详解与避坑指南
大数据·人工智能
Eloudy2 小时前
直接法 读书笔记 01 第1章 引言
人工智能·机器学习·hpc