
자율 AI 침투 테스트 엔진 — 웹, 클라우드, AD 및 Kubernetes 전반에 걸친 지속적인 공격적 보안. 에이전트 기반 추론 + 실제 익스플로잇 실행으로 증거 기반 취약점을 제공합니다. 프라이버시 게이트웨이: LLM은 실제 IP, 호스트, 자격 증명 또는 경로를 절대 볼 수 없으며(결정적 플레이스홀더는 로컬에서 복원됨), 어떤 정보도 경계 밖으로 유출되지 않습니다.

오픈소스 AI 기반 자율 침투 테스트 플랫폼
모델이 실제 IP, 호스트 이름 또는 자격 증명을 절대 볼 수 없는 유일한 자율 AI 침투 테스트 도구
다음 매체에 소개됨 Help Net Security · Cyber Security News · SecurityBrief · LinuxLinks · IT Brief · ChannelLife
DarkMoon은 인공지능(AI) 보안 에이전트를 오케스트레이션하여 완전한 보안 평가를 수행하는 자동화된 침투 테스트 도구입니다. 오픈소스 사이버 보안 도구로 구축된 DarkMoon은 조직이 수동 개입 없이 전문가 수준의 취약점 평가를 실행할 수 있게 해줍니다.
DarkMoon은 침투 테스터를 대체하는 대신 자율 보안 테스트 시스템으로 작동합니다 — 통제된 실행 계층을 통해 실제 공격적 보안 작업을 수행하는 특화된 에이전트를 추론, 계획, 조정합니다.
기존의 침투 테스트는:
DarkMoon은 AI 기반 침투 테스트로 이를 해결합니다:
IP_PRIVATE_001, …)로 대체되며, 실제 값은 도구가 실행되기 직전에 로컬에서 주입되고 모든 결과에서 다시 마스킹됩니다. 어떤 민감 데이터도 경계 밖의 LLM 제공자에게 유출되지 않습니다 — 엄격한 데이터 주권 제약 하에서 Claude의 성능을 활용하세요. 데이터 유출 시도는 차단됩니다.보안 팀, DevSecOps 엔지니어, 윤리적 해킹 전문가 및 모든 규모의 조직에 적합합니다.
참고: GPU 구성, NVIDIA 드라이버 문제 해결 및 고급 환경 설정은 전체 문서 — GPU 문제 해결에서 다룹니다.
1. 저장소 클론
git clone https://github.com/ASCIT31/Dark-Moon.git
cd Dark-Moon
2. LLM 제공자 구성
install.sh는 제공자 구성을 대화형으로 처리합니다 — docker-compose.yml을 편집할 필요가 없습니다:
./install.sh # skip form if .opencode.env already configured
./install.sh --init # force reconfiguration (cloud or local model)
./install.sh --help # show usage
클라우드 제공자(Anthropic, OpenAI, OpenRouter…) 및 로컬 모델(Ollama, llama.cpp)을 지원합니다.
참고: 환경 변수 및 로컬 모델 설정에 대한 자세한 내용은 전체 문서 — 환경 변수를 참조하세요.
3. 빌드 및 실행
./install.sh # Clean install with full stack reset
4. 첫 번째 평가 실행
./darkmoon.sh "TARGET: example.com"
5. 실시간 모니터링
./darkmoon.sh --log <session_id>
참고: 실시간 세션 로그에는 MCP 서버가 실행한 모든 명령이 표시됩니다. 자세한 내용은 전체 문서 — 세션 로그를 참조하세요.
DarkMoon은 ISO 27001, NIST SP 800-115 및 MITRE ATT&CK 방법론에 부합하는 전략적 AI 보안 에이전트 오케스트레이터로 작동합니다.
대상을 지정하면 플랫폼이 자동으로 다음을 수행합니다:
DarkMoon은 탐지된 기술에 따라 특화된 에이전트를 동적으로 선택하여 파견합니다:
여러 에이전트는 하이브리드 아키텍처 전반에서 병렬로 실행될 수 있습니다.
참고: 전체 에이전트 목록, 구조, 수명 주기 및 사용자 지정 에이전트 생성 방법은 전체 문서 — AI 에이전트를 참조하세요.
User ──> DarkmoonCLI ──> OpenCode (AI Brain) ──> MCP (Security Gatekeeper) ──> Docker Toolbox (Real Tools)
sequenceDiagram
participant U as User
participant O as OpenCode
participant A as AI Agent
participant M as MCP Darkmoon
participant T as Docker Toolbox
U->>O: User prompt
O->>A: Delegate task
A->>M: MCP function call
M->>T: Execute real tool
T-->>M: Results
M-->>A: Structured output
A-->>O: Next decision
O-->>U: Summary / result
AI는 추론하고 계획을 세웁니다. MCP는 실행할 수 있는 작업을 통제합니다. 도구 상자는 Docker 내부에서 격리된 도구를 실행합니다. AI는 시스템에 절대 직접 접촉하지 않습니다 — 이것이 보안 설계(security by design) 입니다.
참고: 전체 아키텍처 분석(배포 다이어그램, 네트워크 흐름, 보안 경계)은 전체 문서 — 아키텍처를 참조하세요.
DarkMoon은 명령줄에서 직접 유연한 범위 정의를 지원합니다.
빠른 침투 테스트(설정 없음):
./darkmoon.sh "TARGET: http://172.19.0.3:3000"
버그 바운티 모드(플래그 자동 활성화):
./darkmoon.sh "TARGET: http://172.19.0.3:3000 PROGRAM=\"Juice Shop\" FOCUS=sqli,xss,idor NOISE=moderate FORMAT=h1"
주요 플래그로는 FOCUS, EXCLUDE, CREDS, TOKEN, NOISE, SEVERITY, FORMAT 등이 있으며, AI가 이를 모두 자연스럽게 해석합니다.
참고: 전체 플래그 참조, 자산 유형, EXCLUDE/FOCUS 자유 형식 구문 및 고급 다중 대상 범위 지정은 전체 문서 — 범위 정의를 참조하세요.
DarkMoon에는 멀티 스테이지 빌드로 컴파일되고 최적화된 50개 이상의 보안 도구가 포함된 전용 Docker 이미지가 함께 제공됩니다:
모든 도구는 경로 구성 없이 직접 사용할 수 있습니다.
참고: 설치 세부 정보와 새 도구 추가 방법을 포함한 전체 도구 목록은 전체 문서 — 도구 상자를 참조하세요.
DarkMoon의 전체 문서는 플랫폼 운영에 필요한 모든 것을 다룹니다. 가장 중요한 섹션에 대한 빠른 참조는 다음과 같습니다:
DarkMoon은 다음과 같은 용도를 위한 다목적 보안 테스트 플랫폼으로 설계되었습니다:
# Web application pentest
./darkmoon.sh "TARGET: http://172.19.0.3:3000"
# Active Directory assessment
./darkmoon.sh "TARGET: 192.168.1.10"
# Bug bounty with specific focus
./darkmoon.sh "TARGET: https://app.example.com PROGRAM=\"Example BB\" FOCUS=sqli,rce,ssrf EXCLUDE=H1 FORMAT=h1"
참고: DVGA, Juice Shop 및 헤드리스 브라우저 시나리오를 포함한 더 많은 프롬프트 예시는 전체 문서 — 프롬프트 예시를 참조하세요.
DarkMoon은 오픈소스이며 기여를 환영합니다. 새 에이전트를 추가하거나, 도구를 통합하거나, 워크플로를 만들거나, 문서를 개선하려면 CONTRIBUTING.md의 지침을 참조하세요.
이 프로젝트는 GNU General Public License v3.0에 따라 라이선스가 부여됩니다. 자세한 내용은 LICENSE를 참조하세요.
전 세계 보안 커뮤니티를 위해 ASC-IT가 💚를 담아 제작했습니다
🔒 오픈소스 · 🤖 AI 기반 · 🇫🇷 프랑스 제작
| 탐지된 기술 | 트리거되는 에이전트 |
|---|
| WordPress, Drupal, Joomla, Magento, PrestaShop, Moodle | CMS 전용 에이전트 |
| PHP, Node.js, Flask, ASP.NET, Spring Boot, Ruby on Rails | 스택 전용 에이전트 |
| GraphQL | GraphQL 에이전트 |
| Active Directory | AD 에이전트 |
| Kubernetes | Kubernetes 에이전트 |
| 헤드리스 브라우저 필요 | 헤드리스 브라우저 에이전트 |
| 분류 | 도구(예시) |
|---|
| 포트 스캐닝 | Naabu, Masscan |
| 웹 스캐닝 | Nuclei, ffuf, dirb, sqlmap, Arjun, wafw00f |
| 정찰 및 크롤링 | Subfinder, Katana, Waybackurls, httpx |
| CMS | WPScan, CMSeeK, WhatWeb |
| Active Directory | NetExec, BloodHound, Impacket(30개 이상의 스크립트) |
| Kubernetes | kubectl, Kubescape, Kubeletctl |
| 네트워크 | Hydra, curl, dig, SNMP 도구 |
| 브라우저 | Lightpanda(헤드리스) |
| 주제 | 내용 | 링크 |
|---|
| GPU 및 드라이버 설정 | Docker, WSL, 네이티브 Linux에서의 NVIDIA 문제 해결 | GPU 가이드 |
| 환경 변수 | LLM 제공자 구성, API 키, 모델 선택 | 환경 구성 |
| 시작 및 빌드 | install.sh 동작, docker compose build, 스택 관리 | 빌드 및 실행 |
| 범위 및 플래그 | TARGET 구문, 버그 바운티 모드, FOCUS/EXCLUDE, 자격 증명 | 범위 정의 |
| 평가 워크플로 | 단계별: 발견, 핑거프린팅, 에이전트, 보고 | 평가 엔진 |
| 실시간 세션 로그 | MCP 서버가 실행하는 명령을 실시간으로 모니터링 | 세션 로그 |
| AI 에이전트 | 에이전트 구조, 수명 주기, 에이전트 생성/수정 방법 | AI 에이전트 |
| 아키텍처 | 배포 다이어그램, 보안 경계, 실행 흐름 | 아키텍처 |
| 도구 상자 | 전체 도구 목록, 도구 추가, Docker 이미지 내부 | 도구 상자 |
| MCP 워크플로 | 워크플로 구조, 사용자 지정 워크플로 생성, 모범 사례 | MCP 워크플로 |
| 사용 가능한 도구 목록 | 경로와 소스를 포함한 50개 이상의 도구 전체 표 | 도구 목록 |
| 훈련 랩 | DarkMoon 훈련에 권장되는 취약 랩 | 침투 테스터 랩 |