一款基于大语言模型 (LLM) 的网络安全纸上推演靶场生成工具

工具介绍

PaperLab: OSCP 纸上推演靶场

"纸上得来亦不浅，赛博沙盘定乾坤。"

PaperLab 是一款基于大语言模型 (LLM) 的网络安全纸上推演靶场生成工具。

它的核心逻辑是提取真实的 OSCP/HTB 通关笔记（Markdown 格式），通过特定的 Prompt 工程进行逻辑重构与变异，最终生成具有严密逻辑链的全新虚拟靶机情报，供安全研究员和学生进行**"不插电"**的渗透思路推演。

界面预览

首页图：

靶机选择图：

终端推断：

LLM模型批阅：

核心特性

• 多维度环境变异 (Context Mutation)：支持端口替换、入口点变更、提权手法替换、假情报注入（Rabbit Hole）以及 OS 类型反转。基于同一份母体笔记，可生成多条截然不同的攻击路径。
• 高仿真终端日志伪造：拒绝大白话总结。强制输出纯英文终端原生日志格式（如 Nmap, Gobuster, smbclient 等），并真实还原明文凭据和扫描特征。
• 攻击链无痕截断：在情报搜集阶段精准截断，保留推演悬念，绝不泄露后续的漏洞利用和提权步骤。
• LLM 容错与自动重试机制：针对大模型偶发的 JSON 格式化错误（如特殊字符未转义），底层架构内置了 3 次自愈重试机制，保障批量生成时的代码健壮性。
• 动态靶机命名与防冲突 ：内置历史字典黑名单，动态生成类似 Spectre, Obsidian 等代号，避免数据库记录碰撞与覆写。

快速开始

本项目自带一个包含示例靶机的 paperlab.db，需要自行在mian.py配置DeepSeek API即可直接运行体验：

1. 启动 Demo 终端

安装模块

python -m pip install -r requirements.txt

启动服务

uvicorn main:app --reload main.py

随后在浏览器中访问 127.0.0.1:8000，输入任意Nick Name代号即可接入推演终端。

2. 生成自定义靶机

如需接入自己的 Markdown 笔记并生成全新题库：

1. 将现有的渗透测试笔记（.md 格式）放入 md/ 目录。

2. 打开 build.py配置你自己的 DeepSeek API Key并运行

   python build.py

工具下载

https://github.com/cxtwit/PaperLab