AI渗透工具——AI驱动的BAS网络安全平台

AI Pentest Copilot

AI Pentest Copilot是一款创新的AI驱动工具，旨在提升渗透测试和网络安全培训。

概述

AI Pentest Copilot 是一款先进的网络安全平台，能够自主执行涵盖 Active Directory、云端、Wi-Fi 和内部网络等多种环境的全谱渗透测试。通过利用人工智能能力，该工具为用户提供了从逐步指导到完全自主作的灵活性。

主要特色：

• 作模式：

  • 助理模式：非常适合学习和指导练习，为初学者和实习生提供逐步指导。
  • 渗透测试模式（半自动）：用户从AI推荐的动作中选择，非常适合结构化入侵演练。
  • BAS模式（全自动）：完全自主执行，用于对手模拟和深度评估。

• 测试方法：

  • 学习者模式：利用工具内部知识库进行测试。
  • 知识模式：根据定制的、针对组织的指令执行测试。

• 部署灵活性：

  • 独立代理、虚拟机或企业集成平台。
  • 在Windows上无缝适应使用Windows配置的环境，如WSL配置的Linux命令。

• 人工智能集成：

  • 连接本地生成式人工智能模型或安全的在线服务，遵守多样的安全政策。

使用场景

1. 网络安全培训：
   • 使用助理模式培训实习生和初级团队成员，进行实践学习。
2. 结构化测试：
   • 使用渗透测试模式执行针对性的渗透测试，进行受控模拟。
3. 对手模拟：
   • 使用BAS模式进行全面评估，用于对手模拟。

入门指南

前提条件

• 系统需求：

  • 作系统：Windows（基于Linux的作使用WSL）
  • 硬件：最低8GB内存（推荐16GB），支持虚拟化的现代CPU。

• 依赖关系：

  • Python 3.9+
    • 必备的Python包（参见 requirements.txt）

安装

1. 克隆仓库：

   git clone https://github.com/TheMalwareGuardian/AIPentestCopilot
   cd AIPentestCopilot

2. （可选）搭建虚拟环境：

   python -m venv venv
   .\venv\Scripts\activate

3. 安装依赖：

   pip install -r requirements.txt

4. 编辑配置文件"CopilotBackend/config.ini"来设置必要的API密钥

运行工具

• 启动后端：导航到 CopilotBackend 目录，运行后端服务器。

   cd CopilotBackend
   python app.py

• 部署前端：进入CopilotFrontend目录，按照设置说明运行前端接口。

   cd CopilotFrontend
   npm install
   npm start

• 一旦前端和后端都运行，你可以通过网页界面"http://localhost:3000/"访问AI Pentest Copilot，使用凭证"lazy：pentest"。

网页界面

以下是一些展示 AI Pentest Copilot 功能和用户界面的截图。

图1：AI Pentest Copilot的登录页面，用户通过认证访问平台。这一步确保了安全的访问和基于角色的正确功能。（默认凭证：懒惰，渗透测试）

图2：主仪表盘提供了工具的概览，包括可用的模式（助手、渗透测试和BAS）、当前评估以及快速访问关键功能。

图3：Mitre ATT&CK 企业矩阵集成以结构化的方式展示战术和技术，使用户能够可视化对手行为并据此映射安全评估。

图4：BAS资源部分列出了关键资产，如上传的文件、知识库或评估过程中所需的配置。用户可以通过这个界面高效管理这些资源......

图5：之前的对话和评估列表，允许用户无缝恢复或回顾之前的工作。此功能支持渗透测试的连续性。

图6：助手模式下之前聊天的详细视图，展示了为用户执行渗透测试任务提供的逐步指导。

图7：新评估页面允许用户配置并启动新的渗透测试或模拟，选择合适的环境和目标。

图8：对手模拟聊天界面演示了命令的执行及其结果的分析。该工具可以直接提取并执行命令，并且根据指定次数自动执行。

图9：Pentester 聊天界面展示了半自动模式，用户可以收到 AI 推荐并选择执行的特定动作。这种模式非常适合结构化但亲自作的互动。

重要通知

这个仓库包含了我最初开发的PoC，用来启动项目并展示其潜力。由于这个PoC相比最终项目的企业限制更少，这就是我在CiberEmprende活动上分享的版本，现在应同事们对类似解决方案的兴趣请求，我将上传到这里。

需要注意的是，该PoC具有以下特征：

• 它仅适用于GPT模型，不支持本地AI模型（你只需要修改几个函数，不需要太多作）。
• 专注于基于Active Directory的审计。要启用其他类型的评估，如云端或Wi-Fi审计，用户需要扩展和修改代码。
• 虽然展示了核心功能，但出于安全和专有原因，关键组件和高级功能被省略。
• 由于公司政策限制内部开发和具体实现细节的发布，代码故意在无注释或精炼结构的情况下共享。
• 项目以"现状"形式提供，用户被鼓励根据自身需求进行调整和扩展。