尧图网站建设 
PentestGPTAI 渗透测试 Agent 快速上手的实战指南【免费下载链接】PentestGPTAutomated Penetration Testing Agentic Framework Powered by Large Language Models项目地址: https://gitcode.com/GitHub_Trending/pe/PentestGPTPentestGPT 是一个由大语言模型驱动的自动化渗透测试 Agent 框架USENIX Security 2024 论文项目适合安全工程师和 CTF 玩家使用。自主模式按「侦察 → 利用 → 复盘」多阶段流水线驱动 Claude Code 或 Codex 干活在 104 个 XBOW 验证集上取得 86.5%90/104的历史成绩。先看值不值得试适合你有一个明确授权的练习目标CTF 靶机、实验主机、授权内网资产想让 AI 自动跑完整流程并留下可审计的痕迹。你想体验两种模式全自动Agent 自己排任务、执行、取证或人在环交互式会话你随时插入指令。你想接多种 LLMClaude、OpenAI、Gemini、DeepSeek、Kimi或本地 Ollama 模型。不适合目标是生产环境或没有书面授权的系统。这个项目要求部署在「隔离、一次性」的环境里Agent 角色持有全权限工具访问隔离边界就是你的容器/虚拟机本身。期望开箱即用的完整报告输出。仓库自述结构化发现和报告生成仍是待做项目前的产出是运行痕迹与审计数据。客观局限自主路径必须持有已登录的 Claude Code 或 Codex 账号订阅或 API持续消耗 token86.5% 是 2025 年 12 月的历史研究结果不是当前版本的成功率承诺。安装依赖从 git 拉取unified-agent包需要能访问外网。跑起来前置条件项目要求系统Linux / macOS 均可Docker 仅用于容器化流程非必须Python≥ 3.12由uv管理不依赖系统 Python工具uvPython 包管理器已安装LLM 凭证二选一已登录认证的 Claude Code CLIclaude或 Codex CLIcodex或任意一家厂商的 API Key交互式路径测试目标一个你有权测试的目标地址IP 或 URL最短部署路径# 克隆仓库并进入目录 git clone https://gitcode.com/GitHub_Trending/pe/PentestGPT cd PentestGPT # 安装根目录 Agent 两个项目的全部依赖 make install验证安装跑根目录与 Agent 的离线测试套件不调用外部模型# 运行测试全部通过即安装成功 make test跑起来之后怎么用场景一让 Agent 自动打一个 CTF 目标目标交给 Agent 一个授权靶机它自己完成侦察、利用、取 flag全程无人值守。操作make run是pentestgpt-agent的快捷入口# 启动自主模式claude 后端打本地靶机运行结果存入 runs/ 目录 make run TARGEThttp://127.0.0.1:8000 BACKENDclaude MODELclaude-opus-4-8预期结果Agent 以 Supervisor规划 Executor执行两个角色循环推进每个决策周期落库一条任务、一次尝试、一段证据。运行目录runs/run-id/下每个 episode 会写入input.json输入与策略、events.jsonl工具与命令事件流、output.json结果、用量、耗时、失败原因。中断后可用--resume恢复要求目标、模型、预算等配置完全一致。场景二交互式渗透人来掌舵目标用 USENIX 论文里的经典人在环模式三个 LLM 会话推理/生成/解析维护一棵「渗透任务树」你随时插话。操作# 把 .env.example 复制为 .env 并填入你用得到的厂商 API Key cp .env.example .env # 查看当前已配置哪些厂商、跑一次连通性自检 pentestgpt-legacy --list-models pentestgpt-legacy --smoke-test然后启动会话按提示给三个角色各选模型# 指定推理/解析模型进入交互式会话 pentestgpt-legacy --reasoning-model claude-opus-4-8 --parsing-model gemini-3.5-flash预期结果终端出现任务树PTT你用next推进下一步、more展开细节、todo改待办、discuss与 AI 讨论方案。--smoke-test会输出每个已配置模型的通过/失败矩阵方便先确认凭证没问题再开跑。场景三本地模型跑交互模式目标不花 API 钱用本机 Ollama 服务驱动整个流程。操作前提本机 Ollama 已启动并拉取了模型# 指定 Ollama 模型与本地 OpenAI 兼容地址运行 pentestgpt-legacy --reasoning-model ollama:qwen3 --base-url http://localhost:11434/v1预期结果与场景二相同的交互界面请求全部打向localhost:11434。本地模型推理能力有限复杂目标上进度会明显慢于云端旗舰模型适合熟悉流程和调试。想再深挖一点模型与力度调优自主模式用--backend claude|codex、--model、--effort示例用xhigh控制算力档位交互式模式支持按角色分别指定模型--reasoning-model/--parsing-model。全部可用模型以 pentestgpt_legacy/llm/registry.py 为唯一事实来源加一个模型只需加一条ModelSpec。读懂运行痕迹并审计每轮 episode 的events.jsonl是完整的命令/工具事件流水output.json给出成本与失败分类。CTF 场景可用审计工具对已完成运行做离线核验# 审计指定运行目录比对预设 flag 生成审计报告 cd pentestgpt_agent uv run pentestgpt-agent-audit --run-dir runs/example --expected-flag FLAG{...} --output runs/example-audit.json设计细节可对照 docs/architecture.md 与 pentestgpt_agent/ 源码。卡住了怎么办现象原因解法make docker-run直接退出码 2提示 not baked into ... yet嵌套 Agent 框架尚未打包进 Docker 镜像该目标是占位诊断改用本地make run TARGET...或make docker-shell进容器交互pentestgpt-legacy --list-models里看不到某厂商对应 API Key 未配置按 .env.example 填入 Key 后重跑--smoke-test验证--resume被拒绝恢复要求 trial 配置精确匹配目标、模型、预算、提示词哈希等参数必须与原运行完全一致否则开新运行Agent 启动即报 provider 错误Claude Code / Codex CLI 未完成登录认证先在宿主机完成claude或codex登录Docker 流程用make docker-login幂等重跑只补登录缺失项登录状态失效想强制重登登录卷里存了过期凭证make docker-nuke删除登录卷再make docker-login不想上报使用数据默认向 Langfuse 发送匿名元数据不含命令输出与 flag 内容加--no-telemetry或设置LANGFUSE_ENABLEDfalsePentestGPT 把「多阶段流水线 证据落库 可审计」做成了 LLM 渗透测试的骨架跑通一次 CTF 靶机即可看清它的完整工作方式。请务必只将它指向你拥有书面授权的目标用于安全测试与教育目的任何未经授权的扫描和利用都可能构成违法行为。【免费下载链接】PentestGPTAutomated Penetration Testing Agentic Framework Powered by Large Language Models项目地址: https://gitcode.com/GitHub_Trending/pe/PentestGPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 PentestGPT：AI 渗透测试 Agent 快速上手的实战指南
PentestGPTAI 渗透测试 Agent 快速上手的实战指南【免费下载链接】PentestGPTAutomated Penetration Testing Agentic Framework Powered by Large Language Models项目地址: https://gitcode.com/GitHub_Trending/pe/PentestGPTPentestGPT 是一个由大语言模型驱动的自动化渗透测试 Agent 框架USENIX Security 2024 论文项目适合安全工程师和 CTF 玩家使用。自主模式按「侦察 → 利用 → 复盘」多阶段流水线驱动 Claude Code 或 Codex 干活在 104 个 XBOW 验证集上取得 86.5%90/104的历史成绩。先看值不值得试适合你有一个明确授权的练习目标CTF 靶机、实验主机、授权内网资产想让 AI 自动跑完整流程并留下可审计的痕迹。你想体验两种模式全自动Agent 自己排任务、执行、取证或人在环交互式会话你随时插入指令。你想接多种 LLMClaude、OpenAI、Gemini、DeepSeek、Kimi或本地 Ollama 模型。不适合目标是生产环境或没有书面授权的系统。这个项目要求部署在「隔离、一次性」的环境里Agent 角色持有全权限工具访问隔离边界就是你的容器/虚拟机本身。期望开箱即用的完整报告输出。仓库自述结构化发现和报告生成仍是待做项目前的产出是运行痕迹与审计数据。客观局限自主路径必须持有已登录的 Claude Code 或 Codex 账号订阅或 API持续消耗 token86.5% 是 2025 年 12 月的历史研究结果不是当前版本的成功率承诺。安装依赖从 git 拉取unified-agent包需要能访问外网。跑起来前置条件项目要求系统Linux / macOS 均可Docker 仅用于容器化流程非必须Python≥ 3.12由uv管理不依赖系统 Python工具uvPython 包管理器已安装LLM 凭证二选一已登录认证的 Claude Code CLIclaude或 Codex CLIcodex或任意一家厂商的 API Key交互式路径测试目标一个你有权测试的目标地址IP 或 URL最短部署路径# 克隆仓库并进入目录 git clone https://gitcode.com/GitHub_Trending/pe/PentestGPT cd PentestGPT # 安装根目录 Agent 两个项目的全部依赖 make install验证安装跑根目录与 Agent 的离线测试套件不调用外部模型# 运行测试全部通过即安装成功 make test跑起来之后怎么用场景一让 Agent 自动打一个 CTF 目标目标交给 Agent 一个授权靶机它自己完成侦察、利用、取 flag全程无人值守。操作make run是pentestgpt-agent的快捷入口# 启动自主模式claude 后端打本地靶机运行结果存入 runs/ 目录 make run TARGEThttp://127.0.0.1:8000 BACKENDclaude MODELclaude-opus-4-8预期结果Agent 以 Supervisor规划 Executor执行两个角色循环推进每个决策周期落库一条任务、一次尝试、一段证据。运行目录runs/run-id/下每个 episode 会写入input.json输入与策略、events.jsonl工具与命令事件流、output.json结果、用量、耗时、失败原因。中断后可用--resume恢复要求目标、模型、预算等配置完全一致。场景二交互式渗透人来掌舵目标用 USENIX 论文里的经典人在环模式三个 LLM 会话推理/生成/解析维护一棵「渗透任务树」你随时插话。操作# 把 .env.example 复制为 .env 并填入你用得到的厂商 API Key cp .env.example .env # 查看当前已配置哪些厂商、跑一次连通性自检 pentestgpt-legacy --list-models pentestgpt-legacy --smoke-test然后启动会话按提示给三个角色各选模型# 指定推理/解析模型进入交互式会话 pentestgpt-legacy --reasoning-model claude-opus-4-8 --parsing-model gemini-3.5-flash预期结果终端出现任务树PTT你用next推进下一步、more展开细节、todo改待办、discuss与 AI 讨论方案。--smoke-test会输出每个已配置模型的通过/失败矩阵方便先确认凭证没问题再开跑。场景三本地模型跑交互模式目标不花 API 钱用本机 Ollama 服务驱动整个流程。操作前提本机 Ollama 已启动并拉取了模型# 指定 Ollama 模型与本地 OpenAI 兼容地址运行 pentestgpt-legacy --reasoning-model ollama:qwen3 --base-url http://localhost:11434/v1预期结果与场景二相同的交互界面请求全部打向localhost:11434。本地模型推理能力有限复杂目标上进度会明显慢于云端旗舰模型适合熟悉流程和调试。想再深挖一点模型与力度调优自主模式用--backend claude|codex、--model、--effort示例用xhigh控制算力档位交互式模式支持按角色分别指定模型--reasoning-model/--parsing-model。全部可用模型以 pentestgpt_legacy/llm/registry.py 为唯一事实来源加一个模型只需加一条ModelSpec。读懂运行痕迹并审计每轮 episode 的events.jsonl是完整的命令/工具事件流水output.json给出成本与失败分类。CTF 场景可用审计工具对已完成运行做离线核验# 审计指定运行目录比对预设 flag 生成审计报告 cd pentestgpt_agent uv run pentestgpt-agent-audit --run-dir runs/example --expected-flag FLAG{...} --output runs/example-audit.json设计细节可对照 docs/architecture.md 与 pentestgpt_agent/ 源码。卡住了怎么办现象原因解法make docker-run直接退出码 2提示 not baked into ... yet嵌套 Agent 框架尚未打包进 Docker 镜像该目标是占位诊断改用本地make run TARGET...或make docker-shell进容器交互pentestgpt-legacy --list-models里看不到某厂商对应 API Key 未配置按 .env.example 填入 Key 后重跑--smoke-test验证--resume被拒绝恢复要求 trial 配置精确匹配目标、模型、预算、提示词哈希等参数必须与原运行完全一致否则开新运行Agent 启动即报 provider 错误Claude Code / Codex CLI 未完成登录认证先在宿主机完成claude或codex登录Docker 流程用make docker-login幂等重跑只补登录缺失项登录状态失效想强制重登登录卷里存了过期凭证make docker-nuke删除登录卷再make docker-login不想上报使用数据默认向 Langfuse 发送匿名元数据不含命令输出与 flag 内容加--no-telemetry或设置LANGFUSE_ENABLEDfalsePentestGPT 把「多阶段流水线 证据落库 可审计」做成了 LLM 渗透测试的骨架跑通一次 CTF 靶机即可看清它的完整工作方式。请务必只将它指向你拥有书面授权的目标用于安全测试与教育目的任何未经授权的扫描和利用都可能构成违法行为。【免费下载链接】PentestGPTAutomated Penetration Testing Agentic Framework Powered by Large Language Models项目地址: https://gitcode.com/GitHub_Trending/pe/PentestGPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考