
Agente di hacking autonomo per Red Team
"Un altro hacker AI? Lasciateci indovinare — esegue nmap e scrive un report."
Salta la configurazione Docker — esegui engagement red-team autonomi direttamente dal tuo browser.
Prerequisiti: Docker e Docker Compose v2. Supportato su macOS (Apple Silicon + Intel), Linux (amd64 + arm64) e Windows (amd64 + arm64) — nativo tramite PowerShell o tramite WSL2 (Ubuntu / Kali).
macOS / Linux / WSL2
curl -fsSL https://decepticon.red/install | bash
decepticon onboard # Guida interattiva di configurazione (provider, chiave API, profilo modello)
decepticon # Avvia lo stack principale e entra nella CLI del terminale
Il lancio predefinito avvia il piano di gestione principale (LiteLLM, PostgreSQL, Neo4j, Skillogy, LangGraph, sandbox) e lancia la CLI del terminale. I carichi di lavoro specialistici (BloodHound CE, Sliver C2, Ghidra MCP, …) e la dashboard web vengono attivati su richiesta — l'orchestrator genera gli specialisti tramite ops_start("ad") ecc., e tu puoi avviare la dashboard dall'interno della CLI con /web (vedi Web Dashboard).
Windows (PowerShell, nativo)
irm https://decepticon.red/install.ps1 | iex
decepticon onboard
decepticon
→ Avvio rapido · Guida completa alla configurazione
Stai costruendo sopra gli agenti — un prodotto, un'integrazione di ricerca o un orchestrator personalizzato? Installa l'SDK da PyPI:
pip install decepticon # SDK core
pip install "decepticon[neo4j]" # + strumenti per il grafo della conoscenza e catene di attacco
decepticon è un client SDK: fornisce le factory degli agenti, middleware, strumenti e abilità, e indirizza le chiamate LLM e l'esecuzione della sandbox ai servizi runtime via HTTP (DECEPTICON_LLM__PROXY_URL, SANDBOX_URL). Per eseguire gli agenti sono ancora necessari quei servizi — utilizza lo stack Docker sopra, oppure punta gli URL ai tuoi equivalenti. Vedi Decepticon come libreria per la superficie di override delle factory, i plugin dichiarativi PluginBundle e il gate di sicurezza.
Stiamo sviluppando Decepticon verso un Vaccino Offensivo per il panorama delle minacce guidate dall'AI. Se credi nel red teaming autonomo come percorso verso una difesa più forte, considera di supportare il progetto.
Lo spazio "AI + hacking" è pieno di demo che eseguono nmap e stampano un report. Non è questo.
Decepticon è un agente Red Team autonomo professionale. Esegue catene di attacco realistiche — ricognizione, sfruttamento, escalation di privilegi, movimento laterale, C2 — come farebbe un vero avversario, non come fa uno scanner.
Ma ancora più importante: opera sotto la disciplina che separa i red teamer dagli script kiddies. Prima che un singolo pacchetto lasci il cavo, Decepticon genera un pacchetto di engagement completo — RoE, ConOps, Piano di Deconflitto e OPPLAN con mappatura MITRE ATT&CK — e ogni azione viene eseguita all'interno di quelle regole definite.
→ Analisi approfondita del flusso di lavoro di engagement
Catene di attacco reali, non scansioni da checklist. Decepticon legge un OPPLAN e persegue gli obiettivi attraverso qualsiasi percorso si apra — pivot, adattamento, concatenamento di tecniche.
Shell interattive, davvero. I veri strumenti offensivi sono interattivi (msfconsole, sliver-client, evil-winrm). Decepticon esegue ogni comando all'interno di sessioni tmux persistenti con rilevamento automatico del prompt — quindi quando uno strumento entra in un prompt interattivo, l'agente invia comandi successivi senza soluzioni alternative.
Isolamento della sandbox rinforzato. Tutti i comandi vengono eseguiti all'interno di una sandbox Kali Linux su una rete operativa dedicata (sandbox-net), separata dal piano di gestione (decepticon-net). LangGraph gestisce la sandbox tramite il socket Docker. → Architettura
L'offesa serve la difesa. Il ciclo pianificato di Vaccino Offensivo trasformerà i risultati in miglioramenti della difesa attraverso un ciclo attacco → difesa → verifica.
Progettazione a due reti. Il piano di gestione sempre attivo (LiteLLM, PostgreSQL, Skillogy, LangGraph) e il piano della sandbox sempre attivo rimangono attivi per tutto l'engagement; tutto il resto è dinamicamente generato — la dashboard web appare su /web dalla CLI, e i carichi di lavoro specialistici (BloodHound CE, Sliver C2, Ghidra MCP, …) vengono attivati solo quando l'orchestrator chiama ops_start(...) (vedi ADR-0006). Reti: gestione su decepticon-net; sandbox + server C2 + target su sandbox-net. Neo4j è dual-homed così l'agente (sulla gestione) può persistere i risultati scritti dall'interno della sandbox.
→ Analisi approfondita dell'architettura · Grafo della conoscenza
16 agenti specialistici organizzati per fase della kill chain, con una finestra di contesto fresca per obiettivo — nessun rumore accumulato.
Orchestrazione · Ricognizione · Sfruttamento · Post-Sfruttamento · Ricerca Vulnerabilità · Specialisti di Dominio (AD, Cloud, Smart Contracts, Reversing, Analyst).
→ Elenco completo degli agenti e stack middleware
Catena di fallback basata su tier e consapevole delle credenziali. Dichiari quali credenziali hai in ordine di priorità; Decepticon costruisce la catena primaria→fallback a ogni tier da lì.
| Profilo | Tier per agente | Caso d'uso |
|---|
Provider mappati per tier: Anthropic, OpenAI, Google Gemini, MiniMax, DeepSeek, xAI, Mistral, OpenRouter, Nvidia NIM, Ollama (locale). OAuth per abbonamenti: Claude Max/Pro/Team, ChatGPT Pro/Plus/Team, Gemini Advanced, Copilot Pro, SuperGrok, Perplexity Pro.
Configura tramite decepticon onboard. → Riferimento completo ai modelli ed esempi di fallback
git clone https://github.com/PurpleAILAB/Decepticon.git
cd Decepticon
make dogfood # Esperienza utente OSS completa (launcher → onboard → CLI) su codice locale
make dev # Hot-reload del backend (compose watch) — ciclo di sviluppo quotidiano
Unisciti al Discord — fai domande, condividi log di engagement, discuti tecniche.
Non utilizzare questo progetto su alcun sistema o rete senza esplicita autorizzazione scritta del proprietario del sistema. L'accesso non autorizzato a sistemi informatici è illegale. Sei l'unico responsabile delle tue azioni. Gli autori e i contributori non si assumono alcuna responsabilità per un uso improprio.
| Benchmark | Difficoltà | Tasso di Superamento |
|---|
| XBOW validation-benchmarks | Facile (Livello 1) | 45 / 45 (100 %) |
| XBOW validation-benchmarks | Medio (Livello 2) | 50 / 51 (98.0 %) |
| XBOW validation-benchmarks | Difficile (Livello 3) | 7 / 8 (87.5 %) |
| XBOW validation-benchmarks | Tutti i livelli | 102 / 104 (98.08 %) |
| eco (predefinito) | Per agente (HIGH per orchestrator/exploiter/patcher/analyst, MID per execution, LOW per recon/soundwave) | Produzione |
| max | Ogni agente su HIGH | Target ad alto valore |
| test | Ogni agente su LOW | Sviluppo / CI |
| Argomento | Documento |
|---|
| Installazione e primo engagement | Guida introduttiva |
| Configurazione completa, OAuth, provider, dashboard | Guida alla configurazione |
| Tutti i comandi CLI e le scorciatoie da tastiera | Riferimento CLI |
Tutti i target make | Riferimento Makefile |
| Elenco agenti e middleware | Agenti |
| Profili modello e catena di fallback | Modelli |
| Sistema di abilità e specifica del formato | Abilità |
| Funzionalità e configurazione della dashboard web | Dashboard Web |
| Architettura di sistema e isolamento di rete | Architettura |
| Grafo della conoscenza Neo4j | Grafo della conoscenza |
| Flusso di lavoro end-to-end dell'engagement | Flusso di lavoro dell'engagement |
| Ciclo del Vaccino Offensivo | Vaccino Offensivo |
| Contribuire a Decepticon | Contribuire |