0xsteph/pentest-aiओपन-सोर्स AI पेंटेस्टर जो हर निष्कर्ष को प्रमाणित करता है। मशीन ओरेकल प्रत्येक एक्सप्लॉइट को दोबारा चलाते हैं; सत्यापित बग एक प्रूफ कैप्सूल के साथ आते हैं जिसे आप स्वयं रीप्ले कर सकते हैं।
 [](https://pypi.org/project/ptai/) [](https://pypi.org/project/ptai/) [](https://github.com/0xSteph/pentest-ai/blob/main/LICENSE) [वेबसाइट](https://pentestai.xyz/) · [त्वरित शुरुआत](#quick-start) · [बग बाउंटी](#bug-bounty-automation) · [सत्यापन](#how-verification-works) · [दस्तावेज़ीकरण](https://github.com/0xSteph/pentest-ai/tree/main/docs) · [Issues](https://github.com/0xSteph/pentest-ai/issues) **Pentest-AI एक ओपन-सोर्स AI पेनिट्रेशन टेस्टिंग और बग-बाउंटी टूल है जो हर निष्कर्ष को सिद्ध करता है।** यह किसी AI क्लाइंट या मॉडल को वास्तविक पेनटेस्ट वर्कफ़्लो से जोड़ता है — वेब एप्लिकेशन की जाँच करना, कमज़ोरियों की खोज और पुनरुत्पादन करना, और **मशीन ओरेकल का उपयोग करके यह सत्यापित करना कि कोई एक्सप्लॉइट वास्तव में काम करता है या नहीं**। प्रमाण नहीं, तो निष्कर्ष नहीं: सत्यापित परिणामों के साथ ऐसे साक्ष्य होते हैं जिन्हें आप स्वयं दोबारा चला सकते हैं। इसका उपयोग **MCP** (Claude Code, Codex, Cursor, VS Code) के माध्यम से, **CLI** से, या **CI/CD** में करें। मॉडल जाँच को संचालित करता है; एक स्वतंत्र ओरेकल यह तय करता है कि कोई निष्कर्ष सत्यापित निर्णय का हक़दार है या नहीं — इसलिए आउटपुट सार्थक संकेत होता है, AI का कचरा नहीं। **अधिकृत बग बाउंटी के लिए बनाया गया:** किसी प्रोग्राम का स्कोप (HackerOne, Bugcrowd, Intigriti, YesWeHack) आयात करें, स्कोप-प्रवर्तित एंगेजमेंट चलाएँ, और प्रत्येक सत्यापित निष्कर्ष को प्लेटफ़ॉर्म-तैयार सबमिशन में बदलें। [बग-बाउंटी वर्कफ़्लो पर जाएँ →](#bug-bounty-automation) > केवल उन्हीं सिस्टमों का परीक्षण करें जिनके आप स्वामी हैं या जिनका मूल्यांकन करने के लिए आपके पास स्पष्ट अधिकार है। एंगेजमेंट चलाने से पहले [स्वीकार्य-उपयोग नीति](https://pentestai.xyz/aup) और [शर्तें](https://pentestai.xyz/terms) पढ़ें। ## त्वरित शुरुआत ### अनुशंसित: Codex या Claude Code Python **3.10–3.14** का उपयोग करें और पहले [pipx](https://pipx.pypa.io/stable/installation/) इंस्टॉल करें। `pipx ensurepath` चलाएँ और यदि आवश्यक हो तो अपना टर्मिनल फिर से खोलें। pipx, Pentest-AI की निर्भरताओं को अलग रखता है और इसके कमांड्स को सभी फ़ोल्डरों में उपलब्ध कराता है। ```sh pipx install ptai ptai setup --mcp ``` पहले अपने AI क्लाइंट का CLI इंस्टॉल करें। सेटअप **सभी पहचाने गए समर्थित क्लाइंट्स** को जोड़ने से पहले पूछता है, जिसमें इंस्टॉल होने पर Codex और Claude Code दोनों शामिल हैं। यह मौजूदा रजिस्ट्रेशन को सुरक्षित रखता है। इसके बाद अपने क्लाइंट को पुनः आरंभ करें। विज़ार्ड **उपयोगकर्ता-व्यापी सेटिंग्स** का उपयोग करता है। यह क्लाइंट इंस्टॉल नहीं करता, आपको साइन इन नहीं कराता, मॉडल डाउनलोड नहीं करता या Ollama कॉन्फ़िगर नहीं करता। मॉडल आपका AI क्लाइंट प्रदान करता है; MCP सर्वर को किसी अलग मॉडल API कुंजी की आवश्यकता नहीं होती। परिवर्तनों का पूर्वावलोकन करने के लिए `ptai setup --mcp --dry-run` का उपयोग करें। Codex `.codex/config.toml` और Claude Code `.mcp.json` निर्देशों के लिए [एकल-क्लाइंट और प्रति-रिपॉज़िटरी सेटअप](https://pentestai.xyz/docs/ai-clients/) देखें। अपग्रेड के लिए `pipx upgrade ptai` का उपयोग करें। किसी मौजूदा सक्रिय वर्चुअल एनवायरनमेंट में, `python -m pip install --upgrade ptai` भी समर्थित है; उस एनवायरनमेंट को अपने AI क्लाइंट के साथ रजिस्टर करने के बाद उपलब्ध रखें। ### विकल्प: Ollama और स्थानीय मॉडल Pentest-AI को ऊपर बताए अनुसार इंस्टॉल करें, लेकिन इस मार्ग के लिए MCP सेटअप छोड़ दें। [Ollama इंस्टॉल करें और शुरू करें](https://docs.ollama.com/quickstart), फिर टूल-कॉलिंग समर्थन वाला मॉडल पुल करें। इसका सटीक इंस्टॉल किया गया नाम जानने के लिए `ollama list` का उपयोग करें। ```bash export PENTEST_AI_LLM_PROVIDER=ollama export PENTEST_AI_MODEL="your-installed-model" ptai start https://your-authorized-target.example --no-sync ``` PowerShell में: ```powershell $env:PENTEST_AI_LLM_PROVIDER = "ollama" $env:PENTEST_AI_MODEL = "your-installed-model" ptai start https://your-authorized-target.example --no-sync ``` चलाने से पहले प्लेसहोल्डर बदलें। स्थानीय मॉडल को किसी क्लाउड API कुंजी की आवश्यकता नहीं होती। मॉडल की गुणवत्ता और उपलब्ध मेमोरी परिणामों को प्रभावित करती है। एंडपॉइंट कॉन्फ़िगरेशन के लिए [मॉडल गाइड](https://pentestai.xyz/docs/ai-clients/) देखें। ### बंडल किया गया डेमो आज़माएँ किसी API कुंजी या बाहरी लक्ष्य की आवश्यकता नहीं। ```bash pipx install ptai ptai demo ``` डेमो एक बंडल किए गए कमज़ोर एप्लिकेशन का परीक्षण करता है, उसके प्रूफ कैप्सूल से एक निष्कर्ष दोबारा चलाता है, और हार्डन किए गए रूट्स की जाँच करता है। वास्तविक एंगेजमेंट कॉन्फ़िगर करने से पहले साक्ष्य वर्कफ़्लो का निरीक्षण करें। ### अन्य मॉडल प्रदाता स्टैंडअलोन क्लाउड मॉडल और वैकल्पिक स्कैनर निर्भरताओं के लिए, [इंस्टॉलेशन गाइड](https://pentestai.xyz/docs/getting-started/) और [प्रदाता गाइड](https://github.com/0xsteph/pentest-ai/blob/main/docs/llm-providers.md) देखें। API कुंजियों को सोर्स कंट्रोल से बाहर रखें। ## बग-बाउंटी ऑटोमेशन Pentest-AI को अधिकृत बग-बाउंटी कार्य के लिए डिज़ाइन किया गया है, जहाँ स्कोप में बने रहना और केवल पुनरुत्पादनीय निष्कर्ष जमा करना ही मायने रखता है। ```sh # 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/ ``` - **स्कोप लागू किया जाता है**, केवल सलाह नहीं: वाइल्डकार्ड, CIDR और स्कोप-से-बाहर अपवर्जन, हर एजेंट और टूल पर, फेल-क्लोज़्ड। - **सबमिशन जमा करने योग्य होते हैं**: प्रत्येक में एक पुनरुत्पादनीय `curl`, CVSS/CWE, प्रभाव, उपचार, और पुनः चलाने योग्य प्रूफ कैप्सूल के साथ मशीन निर्णय शामिल होता है। - या अंत-से-अंत तक अंतर्निहित पद्धति प्लेबुक चलाएँ: `ptai playbook run bug-bounty-web -i target=acme.com --execute`. [पूर्ण बग-बाउंटी गाइड →](https://github.com/0xSteph/pentest-ai/blob/main/docs/bug-bounty.md) ## सत्यापन कैसे काम करता है  1. **एक उम्मीदवार खोजें।** कोई प्रोब या स्कैनर जाँच के योग्य व्यवहार की पहचान करता है। 2. **इसे पुनरुत्पादित करें और एक कंट्रोल की जाँच करें।** एक नामित ओरेकल एक्सप्लॉइट को दोहराता है और इसकी तुलना ऐसे कंट्रोल से करता है जिसमें यह कमज़ोरी प्रदर्शित नहीं होनी चाहिए। 3. **साक्ष्य रखें।** एक सत्यापित निष्कर्ष ओरेकल और उसके परिणामों को एक पोर्टेबल प्रूफ कैप्सूल में दर्ज करता है। इसे फिर से जाँचने के लिए `ptai replay` का उपयोग करें। उदाहरण के लिए, एक ट्रस्टेड-हेडर बायपास को अटैक हेडर के साथ विशेषाधिकार प्राप्त सामग्री लौटानी चाहिए और उसके बिना पहुँच से इनकार करना चाहिए। ऐसा सर्वर जो हर अनुरोध का उत्तर HTTP 200 से देता है, पर्याप्त साक्ष्य नहीं है। **मॉडल सत्यापित निर्णय नहीं दे सकता।** तीसरे पक्ष के स्कैनर का आउटपुट तब तक असत्यापित रहता है जब तक कोई ओरेकल स्वतंत्र रूप से इसे सिद्ध न कर दे। समर्थित सत्यापन रेसिपी के बिना निष्कर्ष उम्मीदवार बने रहते हैं। एक सत्यापित निर्णय परीक्षण की गई शर्तों पर लागू होता है। इसका अर्थ यह नहीं है कि पूरा एप्लिकेशन सुरक्षित है। प्रूफ कैप्सूल अहस्ताक्षरित होते हैं; जाँच को दोबारा चलाना ही विश्वास का तंत्र है। [सत्यापन डिज़ाइन पढ़ें](https://github.com/0xSteph/pentest-ai/blob/main/docs/why-verification.md) ## आप क्या कर सकते हैं | वर्कफ़्लो | Pentest-AI क्या प्रदान करता है | | --- | --- | | वेब एप्लिकेशन की जाँच करें | इंजेक्शन, एक्सेस कंट्रोल, अनुरोध प्रबंधन और अन्य एप्लिकेशन कमज़ोरियों के लिए प्रोब | | बग-बाउंटी एंगेजमेंट चलाएँ | प्रोग्राम स्कोप आयात करें, इसे लागू करें, और प्लेटफ़ॉर्म-तैयार सबमिशन बनाएँ ([गाइड](https://github.com/0xSteph/pentest-ai/blob/main/docs/bug-bounty.md)) | | AI क्लाइंट के माध्यम से काम करें | एंगेजमेंट, जाँच और सत्यापन के लिए MCP टूल | | किसी निष्कर्ष को पुनरुत्पादित करें | ओरेकल परिणाम और पुनः चलाने योग्य प्रूफ कैप्सूल | | किसी फ़िक्स की जाँच करें | अद्यतन लक्ष्य के विरुद्ध दर्ज की गई जाँच को दोबारा चलाएँ | | अपनी टीम को रिपोर्ट करें | मौजूदा इंजीनियरिंग वर्कफ़्लो के लिए रिपोर्ट और SARIF आउटपुट | | एंगेजमेंट डेटा स्थानीय रखें | निष्कर्ष आपकी मशीन पर SQLite में संग्रहीत | कवरेज प्रोब और ओरेकल के अनुसार भिन्न होता है। वैकल्पिक स्कैनरों को अपनी बाइनरी चाहिए, और कुछ एकीकरण संरचित निष्कर्षों के बजाय कच्चा आउटपुट प्रदान करते हैं। अपने संस्करण के लिए [दस्तावेज़ीकरण](https://github.com/0xSteph/pentest-ai/tree/main/docs) और [चेंजलॉग](https://github.com/0xSteph/pentest-ai/blob/main/CHANGELOG.md) देखें; `main` में अप्रकाशित कार्य हो सकता है। [CI द्वारा जाँची गई क्षमता सूची देखें](https://github.com/0xSteph/pentest-ai/blob/main/docs/capability-inventory.md)। ## सत्यापित निष्कर्षों को CI में डालें अपने CI एनवायरनमेंट में अपना मॉडल प्रदाता, एक अधिकृत लक्ष्य और प्रथम-रन सहमति कॉन्फ़िगर करें। सीक्रेट्स को CI प्रदाता के सीक्रेट स्टोर में रखें। ```sh ptai start https://your-authorized-target.example --ci --fail-on verified --no-sync ``` रन से प्राप्त एंगेजमेंट ID का उपयोग करके सत्यापित निष्कर्ष निर्यात करें: ```sh ptai export YOUR_ENGAGEMENT_ID --sarif pentest.sarif ``` `--sarif` एक निर्यात विकल्प है, `ptai start` का विकल्प नहीं। एंगेजमेंट ID सुरक्षित रखें और यदि आप विफल बिल्ड्स के लिए साक्ष्य चाहते हैं तो निष्कर्ष गेट विफल होने पर भी निर्यात चलाएँ। परिणामी फ़ाइल को अपने CI प्रदाता के SARIF एकीकरण के माध्यम से अपलोड करें। [CI सेटअप और टेम्पलेट्स](https://github.com/0xSteph/pentest-ai/blob/main/docs/ci-cd.md) ## साक्ष्य, बेंचमार्क और सीमाएँ बेंचमार्क निष्कर्ष, चैलेंज पूर्णता और ओरेकल-सत्यापित निष्कर्ष अलग-अलग माप हैं। ये रिपोर्ट अपने परिणामों के पीछे के संस्करण, लक्ष्य और पद्धति दर्ज करती हैं: - [बेंचमार्क रिपोर्ट और आर्टिफ़ैक्ट्स](https://github.com/0xSteph/pentest-ai/tree/main/benchmarks) - [Juice Shop पद्धति](https://github.com/0xSteph/pentest-ai/blob/main/docs/benchmarks/juice-shop.md) - [कमज़ोर टेस्ट हार्नेस](https://github.com/0xSteph/pentest-ai/tree/main/tests/honeypot) - [क्लीन-एप्लिकेशन जाँचें](https://github.com/0xSteph/pentest-ai/tree/main/tests/cleanapp) **अपूर्ण कवरेज की अपेक्षा करें।** बिना किसी सत्यापित निष्कर्ष वाला स्कैन किसी एप्लिकेशन के सब कुछ का सुरक्षा मूल्यांकन नहीं है। प्रमाणीकरण, एप्लिकेशन स्थिति, असमर्थित बग श्रेणियाँ और पर्यावरणीय परिवर्तन यह प्रभावित करते हैं कि क्या खोजा और पुनरुत्पादित किया जा सकता है। परिणामों की समीक्षा करें और एंगेजमेंट में मानव को शामिल रखें। ## डेटा और नेटवर्क व्यवहार निष्कर्ष स्थानीय रूप से संग्रहीत होते हैं। अनाम उपयोग काउंटर `ptai telemetry enable` के माध्यम से ऑप्ट-इन हैं। स्थानीय भंडारण का अर्थ यह नहीं है कि हर ऑपरेशन आपकी मशीन पर ही रहता है: मॉडल-प्रदाता कॉल और इंस्टॉल किए गए स्कैनरों का अपना नेटवर्क व्यवहार होता है। ब्लाइंड-कमज़ोरी जाँचें किसी बाहरी आउट-ऑफ-बैंड कोलैबोरेटर का उपयोग कर सकती हैं; कॉलबैक मेटाडेटा उस सेवा को दिखाई देता है। जहाँ आवश्यक हो वहाँ अपना कोलैबोरेटर उपयोग करें, या कॉलबैक अक्षम करें: ```bash ptai start https://your-authorized-target.example --oast-server https://your-collaborator.example ptai start https://your-authorized-target.example --no-oast ``` ## शामिल हों पुनरुत्पादनीय बग्स के लिए [Issues](https://github.com/0xSteph/pentest-ai/issues) और प्रश्नों व विचारों के लिए [Discussions](https://github.com/0xSteph/pentest-ai/discussions) का उपयोग करें। बिल्ड और टेस्ट निर्देशों के लिए [एजेंट और योगदानकर्ता गाइड](https://github.com/0xSteph/pentest-ai/blob/main/AGENTS.md) देखें। वैकल्पिक [pentest-ai-agents](https://github.com/0xSteph/pentest-ai-agents) रिपॉज़िटरी में Claude Code सबएजेंट फ़ाइलें हैं। Pentest-AI [MIT लाइसेंस](https://github.com/0xSteph/pentest-ai/blob/main/LICENSE) के अंतर्गत ओपन सोर्स है।
