pentest-ai v1.4.0

الموقع الإلكتروني · البدء السريع · مكافآت الثغرات · التحقق · التوثيق · المشكلات

Pentest-AI هي أداة مفتوحة المصدر لاختبار الاختراق ومكافآت الثغرات بالذكاء الاصطناعي تُثبت كل نتيجة. تربط عميل ذكاء اصطناعي أو نموذجًا بسير عمل اختبار اختراق حقيقي — للتحقيق في تطبيقات الويب، واكتشاف الثغرات وإعادة إنتاجها، واستخدام أوراكل آلية للتحقق مما إذا كان الاستغلال يعمل فعليًا. لا دليل، لا نتيجة: النتائج المُتحقق منها تحمل أدلة يمكنك إعادة تشغيلها بنفسك.

استخدمها عبر MCP (Claude Code، Codex، Cursor، VS Code)، أو من CLI، أو في CI/CD. يقود النموذج التحقيق؛ ويقرر أوراكل مستقل ما إذا كانت النتيجة تستحق حكمًا مُتحققًا منه — لذا فإن المخرجات إشارة، لا فوضى ذكاء اصطناعي.

مصممة لمكافآت الثغرات المصرّح بها: استورد نطاق برنامج (HackerOne، Bugcrowd، Intigriti، YesWeHack)، وشغّل مهمة مفروضة النطاق، وحوّل كل نتيجة مُتحقق منها إلى تقديم جاهز للمنصة. انتقل إلى سير عمل مكافآت الثغرات ←

اختبر فقط الأنظمة التي تملكها أو لديك تصريح صريح لتقييمها. اقرأ سياسة الاستخدام المقبول والشروط قبل تشغيل أي مهمة.

البدء السريع

موصى به: Codex أو Claude Code

استخدم Python 3.10–3.14 وثبّت pipx أولًا. شغّل pipx ensurepath وأعد فتح الطرفية إذا لزم الأمر. يعزل pipx تبعيات Pentest-AI ويجعل أوامرها متاحة عبر المجلدات.

pipx install ptai
ptai setup --mcp

ثبّت CLI الخاص بعميل الذكاء الاصطناعي أولًا. يسأل الإعداد قبل الاتصال بجميع العملاء المدعومين المكتشفين، بما في ذلك Codex وClaude Code عند تثبيتهما. يحافظ على التسجيلات الموجودة. أعد تشغيل عميلك بعد ذلك.

يستخدم المعالج إعدادات على مستوى المستخدم. لا يثبّت العملاء، ولا يسجّل دخولك، ولا ينزّل النماذج أو يهيّئ Ollama. يوفّر عميل الذكاء الاصطناعي النموذج؛ ولا يطلب خادم MCP مفتاح API منفصل للنموذج. استخدم ptai setup --mcp --dry-run لمعاينة التغييرات. راجع إعداد عميل واحد وإعداد لكل مستودع لتعليمات Codex .codex/config.toml وClaude Code .mcp.json.

للترقيات، استخدم pipx upgrade ptai. في بيئة افتراضية مُفعّلة موجودة، يُدعم أيضًا python -m pip install --upgrade ptai؛ أبقِ تلك البيئة متاحة بعد تسجيلها مع عميل الذكاء الاصطناعي.

بديل: Ollama والنماذج المحلية

ثبّت Pentest-AI كما هو موضح أعلاه، لكن تخطَّ إعداد MCP لهذا المسار. ثبّت Ollama وشغّله، ثم اسحب نموذجًا يدعم استدعاء الأدوات. استخدم ollama list للعثور على اسمه المثبّت بالضبط.

export PENTEST_AI_LLM_PROVIDER=ollama
export PENTEST_AI_MODEL="your-installed-model"
ptai start https://your-authorized-target.example --no-sync

في PowerShell:

$env:PENTEST_AI_LLM_PROVIDER = "ollama"
$env:PENTEST_AI_MODEL = "your-installed-model"
ptai start https://your-authorized-target.example --no-sync

استبدل العناصر النائبة قبل التشغيل. لا يحتاج النموذج المحلي إلى مفتاح API سحابي. تؤثر جودة النموذج والذاكرة المتاحة على النتائج. راجع دليل النماذج لإعداد نقطة النهاية.

جرّب العرض التوضيحي المضمّن

لا يتطلب مفتاح API أو هدفًا خارجيًا.

pipx install ptai
ptai demo

يختبر العرض التوضيحي تطبيقًا ضعيفًا مضمّنًا، ويعيد تشغيل نتيجة من كبسولة إثباتها، ويتحقق من المسارات المُحصّنة. افحص سير عمل الأدلة قبل تهيئة مهمة حقيقية.

مزوّدو النماذج الآخرون

للنماذج السحابية المستقلة وتبعيات الماسحات الاختيارية، راجع دليل التثبيت ودليل المزوّدين. أبقِ مفاتيح API بعيدًا عن التحكم في المصدر.

أتمتة مكافآت الثغرات

صُممت Pentest-AI لعمل مكافآت الثغرات المصرّح به، حيث يكون البقاء ضمن النطاق وتقديم النتائج القابلة لإعادة الإنتاج فقط هما ما يهم.

# 1. Import the program's scope (HackerOne / Bugcrowd / Intigriti / YesWeHack)
ptai bounty import --platform hackerone --file scope.json --out program.scope

# 2. Run a scope-enforced engagement (a preflight shows exactly what will be
#    touched and asks you to confirm — nothing out of scope is ever hit)
ptai start acme.com --scope-file program.scope --intensity stealth

# 3. Turn verified findings into platform-ready submissions
ptai bounty report <engagement-id> --platform hackerone --out submissions/

• النطاق مفروض، وليس استشاريًا: أحرف البدل، وCIDRs، والاستثناءات خارج النطاق، والفشل المغلق، على كل وكيل وأداة.
• التقديمات قابلة للتقديم: يتضمن كل منها curl قابلًا لإعادة الإنتاج، وCVSS/CWE، والتأثير، والمعالجة، والحكم الآلي مع كبسولة إثبات قابلة لإعادة التشغيل.
• أو شغّل دليل المنهجية المضمّن من البداية إلى النهاية: ptai playbook run bug-bounty-web -i target=acme.com --execute.

دليل مكافآت الثغرات الكامل ←

كيف يعمل التحقق

1. اعثر على مرشح. يحدد مسبار أو ماسح سلوكًا يستحق التحقيق.
2. أعد إنتاجه وتحقق من عنصر تحكم. يعيد أوراكل مُسمّى تنفيذ الاستغلال ويقارنه بعنصر تحكم لا ينبغي أن يُظهر الضعف.
3. احتفظ بالأدلة. تسجّل النتيجة المُتحقق منها الأوراكل ونتائجه في كبسولة إثبات محمولة. استخدم ptai replay للتحقق منها مرة أخرى.

على سبيل المثال، يجب أن يُرجع تجاوز الترويسة الموثوقة محتوى مميزًا مع ترويسة الهجوم ويرفض الوصول بدونها. الخادم الذي يستجيب لكل طلب بـ HTTP 200 ليس دليلًا كافيًا.

لا يمكن للنموذج منح حكم مُتحقق منه. يبقى مخرجات الماسح من طرف ثالث غير مُتحقق منها حتى يثبتها أوراكل بشكل مستقل. تبقى النتائج التي لا تحتوي على وصفة تحقق مدعومة مرشحة.

ينطبق الحكم المُتحقق منه على الظروف المُختبرة. لا يعني أن التطبيق بأكمله آمن. كبسولات الإثبات غير موقّعة؛ إعادة تشغيل التحقق هي آلية الثقة.

اقرأ تصميم التحقق

ما يمكنك فعله

سير العمل	ما توفره Pentest-AI
التحقيق في تطبيقات الويب	مسابر للحقن، والتحكم في الوصول، ومعالجة الطلبات، وغيرها من نقاط ضعف التطبيقات
تشغيل مهمة مكافآت الثغرات	استيراد نطاق البرنامج، وفرضه، وإنشاء تقديمات جاهزة للمنصة (دليل)
العمل عبر عميل ذكاء اصطناعي	أدوات MCP للمهام والتحقيق والتحقق
إعادة إنتاج نتيجة	نتائج الأوراكل وكبسولات إثبات قابلة لإعادة التشغيل
التحقق من إصلاح	إعادة تشغيل التحقق المسجّل مقابل الهدف المُحدّث
الإبلاغ لفريقك	تقارير ومخرجات SARIF لسير عمل الهندسة الحالية
إبقاء بيانات المهمة محلية	النتائج مخزّنة على جهازك في SQLite

تتفاوت التغطية حسب المسبار والأوراكل. تحتاج الماسحات الاختيارية إلى ملفاتها التنفيذية الخاصة، وبعض التكاملات توفّر مخرجات خام بدلًا من نتائج منظمة. راجع التوثيق وسجل التغييرات لإصدارك؛ قد يحتوي main على عمل غير مُصدَر.

اعرض جرد القدرات الذي يتحقق منه CI.

ضع النتائج المُتحقق منها في CI

هيّئ مزوّد النموذج، وهدفًا مصرّحًا به، وموافقة التشغيل الأول في بيئة CI الخاصة بك. أبقِ الأسرار في مخزن أسرار مزوّد CI.

ptai start https://your-authorized-target.example --ci --fail-on verified --no-sync