Skip to content
KitploitKITPLOIT
HerramientasExploitsBlog
Log in
Enviar
HerramientasExploitsBlog
Enviar

¡Herramientas de Hacking, PenTest y Ciberseguridad para tu Arsenal de Seguridad!

Kitploit es un directorio de herramientas de hacking, ciberseguridad y pentesting. Descubre las últimas actualizaciones de proyectos para encontrar vulnerabilidades, analizar sistemas, automatizar pruebas y fortalecer tu seguridad.

FeedsContactoPrivacidad© 2026 Kitploit

Directorio de Herramientas

Categorías

Ver todas las categorías
Loading categories
VulnBot — Framework multiagente impulsado por LLM que replica de forma autónoma los flujos de trabajo de pruebas de penetración humanos, orquestando las herramientas de Kali Linux y la recuperación de conocimiento RAG para evaluaciones de seguridad. | Kitploit
Herramientas/GitHubGitHub/khenryaegis/vulnbot
Frameworks de Pruebas de PenetraciónReconocimientoFrameworks de ExploitsAnálisis de VulnerabilidadesScripting y AutomatizaciónPruebas de PenetraciónPapers e InvestigaciónRed TeamingSeguridad de IA
GitHubkhenryaegis/vulnbot

VulnBot

Framework multiagente impulsado por LLM que replica de forma autónoma los flujos de trabajo de pruebas de penetración humanos, orquestando las herramientas de Kali Linux y la recuperación de conocimiento RAG para evaluaciones de seguridad.

22337hace 3 díasRevisado por Kitploit
Ver Repositorio

Más Populares

Ver todos →

Descubre las herramientas más usadas por nuestra comunidad.

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →
Compartir

VulnBot: Pruebas de penetración autónomas para un marco de colaboración multiagente

.svg'>

Tabla de contenidos

  • Descripción general
  • Inicio rápido
  • Citación
  • Contacto

Descripción general

Nota:

  • ⭐ Si encuentras útil este proyecto, ¡considera darle una ESTRELLA! ⭐
  • Si encuentras algún error o problema, no dudes en abrir una incidencia o enviar una solicitud de extracción.

VulnBot es un marco avanzado de pruebas de penetración automatizadas que utiliza Modelos de Lenguaje de Gran Escala (LLM) para replicar el flujo de trabajo de los equipos humanos de pruebas de penetración dentro de un sistema multiagente. Este enfoque innovador mejora la eficiencia, la colaboración y la adaptabilidad en las evaluaciones de seguridad.

Marco VulnBot

Esta implementación de RAG está basada en Langchain-Chatchat. Agradecimiento especial a los autores.


Inicio rápido

Requisitos previos

Asegúrate de que tu entorno cumpla los siguientes requisitos antes de continuar:

  • Lenguaje de programación: Python 3.11.11
  • Gestor de paquetes: Pip

Instalación

Instala VulnBot utilizando uno de los siguientes métodos:

Compilar desde el código fuente

  1. Clona el repositorio de VulnBot:

    git clone https://github.com/KHenryAegis/VulnBot
    
  2. Navega al directorio del proyecto:

    cd VulnBot
    
  3. Instala las dependencias:

    pip install -r requirements.txt
    

Guía de configuración

Antes de inicializar VulnBot, debes configurar los ajustes del sistema. Consulta la Guía de configuración para obtener instrucciones detalladas sobre cómo modificar:

  • Configuración de Kali Linux (nombre de host, puerto, nombre de usuario, contraseña)
  • Ajustes de la base de datos MySQL (host, puerto, usuario, contraseña, base de datos)
  • Ajustes del LLM (base_url, llm_model_name, api_key)
  • Habilitación de RAG (establece enable_rag en true y configura milvus y kb_name)

Inicializar el proyecto

Antes de usar VulnBot, inicializa el proyecto:

python cli.py init

Iniciar el módulo RAG

python cli.py start -a

Ejecutar VulnBot

Para ejecutar VulnBot, utiliza:

python cli.py vulnbot -m {max_interactions}

Sustituye {max_interactions} por el número de interacciones deseado.


Citación

Si utilizas VulnBot con fines académicos, cita nuestro artículo:

@misc{kong2025vulnbotautonomouspenetrationtesting,
      title={VulnBot: Autonomous Penetration Testing for a Multi-Agent Collaborative Framework}, 
      author={He Kong and Die Hu and Jingguo Ge and Liangxiong Li and Tong Li and Bingzhen Wu},
      year={2025},
      eprint={2501.13411},
      archivePrefix={arXiv},
      primaryClass={cs.SE},
      url={https://arxiv.org/abs/2501.13411}, 
}

Contacto

Si tienes alguna pregunta o sugerencia, abre una incidencia en GitHub. ¡Las contribuciones, los debates y las mejoras siempre son bienvenidos!

Descargar herramienta