
Ein Honeypot, der KI-Agenten-gesteuerte Angriffe mit Tarpitting- und „Context-Bomb“-Techniken stört. Python/Flask, konfigurationsgetrieben, mit Multi-Channel-Alarmierung und einer optionalen Web-UI.
Ein Honeypot, der von KI-Agenten geführte Angriffe stört und verlangsamt.
AI Tarpit präsentiert ein gewöhnlich wirkendes Unternehmens-Intranet, in dem jede interessante Spur eine Falle ist. Es implementiert die „Context Bomb“-Täuschungstechniken, die von Tracebit Research gemessen wurden (Context Bombs, Oktober 2026), sowie zusätzliche Tarpitting-Techniken auf Basis von Flask. Autonome Angriffsagenten verbrauchen echtes Budget – Tokens, Zeit und Tool-Aufrufe – bei der Jagd nach gefälschten Geheimnissen, die nichts freischalten, Datenströmen, die nie enden, und Dokumenten, die ihnen stillschweigend sagen, sie sollen aufhören, während du benotete Warnmeldungen erhältst, die genau zeigen, was angesprochen wurde und wie lange.
Status: v1.0.0 — alle 15 v1-Techniken implementiert, Admin-Web-UI, Test-Tool und Dokumentation.
Ein KI-Angriffsagent schlussfolgert über alles, was das Ziel zurückgibt, und kann eine echte Spur nur schwer von einer künstlich erzeugten unterscheiden. AI Tarpit nutzt genau das aus: Es speist den Agenten mit irreführendem Kontext, der sein Budget verschwendet, sein Kontextfenster überflutet oder ihn dazu überredet, innezuhalten – alles passiv und alles mit synthetischen Daten, die keinen Zugriff auf irgendetwas gewähren.
attacker / AI agent
|
decoy listener :8080 admin listener :8443 (loopback)
(fake corporate intranet) (API + Web UI, token-protected)
| |
+-------------------+------------------+ |
| lures -> techniques -> honeytokens | |
| fingerprinting + correlation |---> events -> alerts (console / syslog / webhook)
+--------------------------------------+ |
| |
SQLite store <--------- reporting ----+
Ein Prozess betreibt zwei Listener: den Decoy, den Angreifer erreichen, und eine Loopback-Admin-Oberfläche für Monitoring, Konfiguration und Reporting. Jede Interaktion löst ein bewertetes Ereignis aus, das gemeldet und aufgezeichnet wird.
| Technik | Was sie mit einem Agenten macht | |
|---|---|---|
| T01 | Gestaffelte Verschlüsselung | Eine Kette echter AES-ZIP-Archive, die nur Honeytoken-„Schlüssel" liefern. |
| T02 | HTTP-Parser-Druck | Paginierung, die nie endet, mit driftendem, teilweise fehlerhaftem JSON. |
| T03 | Wiederherstellung aus Puffern | Ein vorgetäuschtes Speicherleck, das der Agent Byte für Byte rekonstruiert. |
| T04 | Needlestack | Geheimnisse, die über Dutzende Rollen fragmentiert sind und sich nie vollständig zusammensetzen. |
| T05 | Offenlegung von Pentest-Berichten | Eine gefälschte Bewertung, die den Agenten auf Decoys und Canaries umleitet. |
| T06 | Grandstanding | Ein „Austausch", der den Agenten dazu bringt, seine eigene Vorgehensweise selbst zu offenbaren. |
| T07 | Verlustbehaftete Passwortwiederherstellung | Ein Geheimnis, das mit Verzögerungen Zeichen für Zeichen preisgegeben wird. |
| T08 | Request-Pacing | Eine gefälschte Rate-Limit-Richtlinie, die einen regelkonformen Agenten auf Schneckentempo drosselt. |
| T09 | Replikation | Eine „Übergabe", die den Plan des Agenten erfasst und ihn herunterfährt. |
| T10 | Widerruf von Scope / RoE | Verbindliche Hinweise, die automatisierte Agenten zum Stoppen auffordern. |
| T11 | Slow-Drip-Transport | Antworten, die tröpfchenweise oder endlos ausgeliefert werden. |
| T12 | Context Flooding | Antworten, die mit plausibler, aber nutzloser Masse aufgefüllt werden. |
| T13 | Prozedurales Labyrinth | Ein unendlicher Baum generierter Seiten, die wie interne Seiten aussehen. |
| T14 | KI-spezifischer Köder | llms.txt, ein gefälschter MCP-Endpunkt und „Automatisierungs"-APIs, die in Fallen führen. |
| T15 | Proof-of-Work-Gate | Ein 428-Gate, das den Agenten Rechenleistung verbrennen lässt, um weitere Decoys zu erreichen. |
| T16 | Fingerprinting + Honeytokens | Klassifiziert jede Sitzung und verfolgt jedes Geheimnis für die sitzungsübergreifende Wiederverwendung. |
Jede Technik wird unabhängig aktiviert und abgestimmt. Mechanismen, Köder und erwartete Auswirkungen finden sich im Referenzhandbuch — Teil 1.
# Windows (PowerShell)
py -3 -m venv venv
.\venv\Scripts\Activate.ps1
pip install -r requirements.txt
# Linux / macOS
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
# run from the repo root — no install of the project itself
python aitarpit.py init-config # writes ./aitarpit.json with a fresh admin token
python aitarpit.py validate
python aitarpit.py run # decoy on :8080, admin API + Web UI on 127.0.0.1:8443
python aitarpit.py # same as `run` — it is the default command
Es werden nur die Laufzeitabhängigkeiten installiert; das Projekt selbst nicht. Der Honeypot läuft über
python aitarpit.py <command>aus dem Repository-Stammverzeichnis; das begleitende Testwerkzeug hat seinen eigenen Launcher,python aitarpit-test.py <command>.
Bestätige anschließend das Verhalten mit dem mitgelieferten Testwerkzeug:
python aitarpit-test.py check --target http://127.0.0.1:8080 \
--admin http://127.0.0.1:8443 --token YOUR_ADMIN_TOKEN
Docker:
docker build -t aitarpit .
docker run -v $PWD/aitarpit.json:/config/aitarpit.json -v tarpit-data:/data \
-p 8080:8080 -p 127.0.0.1:8443:8443 aitarpit
Vollständige Handbücher sind in docs/ enthalten, sowohl als Markdown als auch als PDF:
docs/quickstart.md /
docs/aitarpit-quickstart.pdf — installieren, konfigurieren, ausführen,
erster Alarm, erster Check.docs/reference.md /
docs/aitarpit-reference.pdf — Teil 1 Konzepte,
Teil 2 Installation, Teil 3 Ausführung (Konfiguration, Monitoring, Reporting, CLI & Web UI), Teil 4 Tests.AI Tarpit wird mit einem Begleitwerkzeug ausgeliefert, das als python aitarpit-test.py check / python aitarpit-test.py agent ausgeführt wird:
check — deterministische, CI-freundliche Konformitätsprüfung für jede Technik (Exit 0 nur, wenn
alle bestehen; Text- / JSON- / JUnit-Ausgabe).agent — ein optionaler, origin-locked LLM-Angreifer (OpenAI-kompatibel oder
Anthropic), der misst, wie weit ein echter Agent kommt und wie lange der Tarpit ihn festhält.AI Tarpit ist passiv — es verbindet sich nie zurück zu einem Angreifer, liefert nie echte
Malware aus und „hackt nie zurück". Jede Anmeldeinformation, jedes Token und jedes Archiv ist ein synthetisches
Honeytoken, das nichts gewährt; die Verwendung eines solchen ist selbst ein Alarm. Die Admin-Oberfläche ist
auf Loopback hinter einem Token isoliert, langsame/überflutende Techniken sind durch Ressourcen-
Obergrenzen begrenzt, und der optionale LLM-Testagent ist strikt auf das eine Ziel beschränkt, das du ihm gibst.
Führe es nur gegen Traffic aus, den du abzufangen berechtigt bist, und verwende eine Persona-Domain, die du
kontrollierst, oder einen reservierten .example-Namen.
MIT — siehe LICENSE.