🚀 Pentest Ai

@kush-coder가 제공하는 공식 오픈소스 릴리스 및 유지 관리 코드베이스

![License](https://img.shields.io/badge/License-MIT License-indigo?style=for-the-badge)

💡 프로젝트 소개

모든 발견 사항을 입증하는 오픈소스 AI 침투 테스트 도구입니다. 머신 오라클이 각 익스플로잇을 다시 실행하며, 검증된 버그에는 직접 재현할 수 있는 증명 캡슐이 함께 제공됩니다.

이 저장소는 @kush-coder가 공식 오픈소스 릴리스로 활발히 유지 관리하고 배포하고 있습니다.

✨ 주요 특징

🛡️ 검증된 상태 점검: 자동화된 샌드박스 빌드, 의존성 해결, 상태 테스트 실행을 통과했습니다.
🚀 프로덕션 준비 완료: 높은 효율성을 위해 최적화된 경량 풋프린트.
📦 허용적 오픈소스: 개발자 통합, 사용자 정의 수정, 커뮤니티 개선에 활용 가능합니다.

🚀 빠른 시작 및 설치

# Clone your official repository
git clone https://github.com/kush-coder/autopilot-pentest-ai.git
cd autopilot-pentest-ai

📖 종합 문서

Pentest-AI: 오픈소스 AI 모의해킹. 재현 가능한 결과.

웹사이트 · 빠른 시작 · 버그 바운티 · 검증 · 문서 · 이슈

Pentest-AI는 입증된 결과와 추측을 분리하는 오픈소스 AI 모의해킹 및 버그 바운티 도구입니다. AI 클라이언트나 모델을 실제 모의해킹 워크플로에 연결하여 웹 애플리케이션을 조사하고, 취약점을 발견하고 재현하며, 머신 오라클을 사용해 익스플로잇이 실제로 동작하는지 검증합니다. 어떤 오라클도 입증할 수 없는 결과는 후보(candidate)로 표시된 채 남고, 검증된 결과는 이를 입증한 요청과 응답을 함께 담습니다.

MCP(Claude Code, Codex, Cursor, VS Code)를 통해, CLI에서, 또는 CI/CD에서 사용할 수 있습니다. 모델이 조사를 주도하고, 독립적인 오라클이 결과가 검증된 판정을 받을 자격이 있는지 결정하므로, 모델의 추측이 결과로 포장되어 전달되는 일은 없습니다.

승인된 버그 바운티를 위해 설계되었습니다: 프로그램마다 하나의 프로필이 범위, 명시된 요율, 연구원 핸들을 담고 있으며, 드라이 런(dry run)은 아무것도 전송되기 전에 계획을 보여주고, 보고서 초안은 검증된 결과로만 작성됩니다. 버그 바운티 워크플로로 이동 →

소유한 시스템 또는 평가에 대한 명시적 승인을 받은 시스템만 테스트하십시오. 작업을 실행하기 전에 허용 사용 정책과 약관을 읽어 보십시오.

빠른 시작

권장: Codex 또는 Claude Code

Python 3.10 ~ 3.14를 사용하고 먼저 pipx를 설치하십시오. 필요하면 pipx ensurepath를 실행하고 터미널을 다시 여십시오. pipx는 Pentest-AI의 의존성을 격리하고 여러 폴더에서 명령을 사용할 수 있게 해줍니다.

pipx install ptai
ptai setup --mcp

먼저 AI 클라이언트의 CLI를 설치하세요. 설정 과정에서는 감지된 모든 지원 클라이언트에 연결하기 전에 확인을 요청하며, 설치된 경우 Codex와 Claude Code 모두를 포함합니다. 기존 등록은 그대로 유지됩니다. 이후 클라이언트를 재시작하세요.

마법사는 사용자 전역 설정을 사용합니다. 클라이언트를 설치하거나, 로그인하거나, 모델을 다운로드하거나, Ollama를 구성하지는 않습니다. 모델은 AI 클라이언트가 제공하며, MCP 서버에서 별도의 모델 API 키를 요구하지 않습니다. 변경 사항을 미리 보려면 ptai setup --mcp --dry-run을 사용하세요. Codex .codex/config.toml 및 Claude Code .mcp.json 설정 방법은 단일 클라이언트 및 저장소별 설정을 참조하세요.

업그레이드에는 pipx upgrade ptai를 사용하세요. 이미 활성화된 가상 환경에서는 python -m pip install --upgrade ptai도 지원됩니다. AI 클라이언트에 등록한 후에도 해당 환경을 계속 사용할 수 있도록 유지하세요.

대안: Ollama 및 로컬 모델

위와 같이 Pentest-AI를 설치하되, 이 경로에서는 MCP 설정을 건너뜁니다. Ollama를 설치하고 시작한 다음, 도구 호출을 지원하는 모델을 풀(pull)하세요. 설치된 정확한 이름을 확인하려면 ollama list를 사용하세요.

export PENTEST_AI_LLM_PROVIDER=ollama
export PENTEST_AI_MODEL="your-installed-model"
ptai start https://your-authorized-target.example --no-sync

PowerShell에서:

$env:PENTEST_AI_LLM_PROVIDER = "ollama"
$env:PENTEST_AI_MODEL = "your-installed-model"
ptai start https://your-authorized-target.example --no-sync

실행 전에 플레이스홀더를 교체하세요. 로컬 모델은 클라우드 API 키가 필요하지 않습니다. 모델 품질과 사용 가능한 메모리가 결과에 영향을 미칩니다. 엔드포인트 구성은 모델 가이드를 참조하세요.

번들 데모 사용해 보기

API 키나 외부 대상이 필요하지 않습니다.

pipx install ptai
ptai demo

데모는 번들로 제공되는 취약한 애플리케이션을 테스트하고, 해당 증명 캡슐에서 발견 사항을 재생하며, 강화된 경로를 확인합니다. 실제 작업을 구성하기 전에 증거 워크플로를 검토하십시오.

기타 모델 제공자

독립형 클라우드 모델 및 선택적 스캐너 종속성에 대해서는 설치 가이드 및 제공자 가이드를 참조하십시오. API 키는 소스 관리에 포함하지 마십시오.

버그 바운티 자동화

버그 바운티 모드는 자동화된 테스트를 허용하는 프로그램을 위한 것입니다. 프로그램마다 범위, 명시된 속도 제한, 연구원 핸들을 포함한 프로필을 하나씩 작성합니다. 그런 다음 --program이 모든 요청에 이를 적용하며, --dry-run은 아무것도 전송하지 않고 계획만 출력합니다.

# ~/.pentest-ai/programs/acme.toml
platform = "hackerone"
handle = "acme"
researcher = "your-h1-username"   # sent on every request in X-Bug-Bounty
rps = 5.0                         # the rate the program states
scope = ["*.acme.com", "api.acme.com"]
excluded = ["status.acme.com"]
scanners_allowed = true
allow_race = false

ptai start https://api.acme.com --program acme --dry-run    # sends nothing
ptai start https://api.acme.com --program acme --auto-auth
ptai bounty-report <engagement-id> --program acme --output-dir drafts/

--program 사용 시:

모든 요청은 외부 도구를 포함하여 프로그램의 속도 제한을 준수합니다. 해당 속도 제한의 몫을 지킬 수 없는 도구는 건너뛰며, 스캔은 이를 명시합니다.
범위는 오직 프로필에서만 가져옵니다. 범위를 벗어난 요청은 거부되며, 제외 항목이 와일드카드보다 우선합니다.
각 요청은 X-Bug-Bounty 헤더 또는 프로그램이 지정한 헤더(PTAI_BOUNTY_HEADER_NAME)에 연구자 핸들을 담습니다.
gobuster 및 ffuf와 같은 워드리스트 도구는 거부됩니다. 두 가지 내장 탐색 프로브는 여전히 가능성 높은 경로 목록을 시도하며, 약 500개의 요청을 보냅니다.
대상을 고갈시키거나 크래시시키기 위해 만들어진 페이로드는 전송되지 않습니다. 다른 사용자의 계정이나 공유 상태를 변경하는 프로브는 실행되지 않습니다. 경쟁 조건(race-condition) 버스트는 프로필에서 allow_race = true로 설정한 경우에만 실행됩니다.
429와 Retry-After는 준수됩니다. 속도가 느려지는 대상은 더 낮은 속도를 받으며, 계속 저하된 상태가 유지되는 대상은 사유가 기록된 채 스캔이 중단됩니다.
스캐너를 금지하는 프로그램은 입력한 yes가 필요합니다. 해당 프로그램을 스캔하면 안전 항구(safe harbour)가 무효화될 수 있기 때문입니다.

ptai bounty-report는 오라클로 검증된 발견 사항만으로 보고서 초안을 작성하며, 재현 단계는 오라클 자체의 요청에서 가져옵니다. 각 항목을 직접 수동으로 재현하고 직접 제출하십시오. ptai bounty import는 프로그램이 내보낸 범위 파일을 프로필의 허용 및 제외 항목으로 변환합니다.

소요 시간은 요청 수를 속도로 나눈 값입니다. 테스트 애플리케이션에서 3 rps로 전체 패스를 수행하면 약 8,700개의 요청이 발생하고 51분이 걸리며, 10 rps 패스에서 발견되는 모든 심각(critical) 및 높음(high) 취약점을 발견합니다. 10 rps에서는 약 6,600개의 요청과 11분이 걸렸으며, 이는 느린 프로브가 낮은 속도에서 완료될 여유를 갖기 전에 측정한 값입니다.

도착 시점 기준으로 집계했을 때, 외부 도구가 보낸 요청을 포함하여 3 rps 또는 10 rps에서 선언된 속도를 초과한 초는 없었습니다.

전체 버그 바운티 가이드 →

검증 작동 방식

오라클이 익스플로잇을 반복하고 대조군을 확인한 후에만 후보가 검증됩니다.

후보를 찾습니다. 프로브 또는 스캐너가 조사할 가치가 있는 동작을 식별합니다.
재현하고 대조군을 확인합니다. 명명된 오라클이 익스플로잇을 반복하고, 해당 약점을 보여주지 않아야 하는 대조군과 비교합니다.
증거를 보존합니다. 검증된 발견 사항은 오라클, 오라클이 보낸 요청, 그리고 오라클이 판단한 응답을 기록합니다. ptai retest는 대상을 다시 스캔하고 ptai diff는 변경된 내용을 보여줍니다. ptai demo는 ptai replay가 다시 검사하는 이식 가능한 증명 캡슐을 보여줍니다.

예를 들어, 신뢰 헤더(trusted-header) 우회는 공격 헤더와 함께 권한 있는 콘텐츠를 반환하고, 헤더 없이는 접근을 거부해야 합니다. 모든 요청에 HTTP 200으로 응답하는 서버는 충분한 증거가 아닙니다.

모델은 검증된 판정을 부여할 수 없습니다. 제3자 스캐너 출력은 오라클이 독립적으로 입증할 때까지 검증되지 않은 상태로 남습니다. 지원되는 검증 레시피가 없는 발견 사항은 후보로 남습니다.

검증된 판정은 테스트된 조건에 적용됩니다. 애플리케이션 전체가 안전하다는 의미는 아닙니다. 증명 캡슐은 서명되지 않습니다. 검사를 다시 실행하는 것이 신뢰 메커니즘입니다.

검증 설계 읽기

할 수 있는 일

워크플로	Pentest-AI가 제공하는 것
웹 애플리케이션 조사	인젝션, 접근 제어, 요청 처리 및 기타 애플리케이션 약점에 대한 프로브
버그 바운티 참여 수행	스캔을 프로그램의 범위와 속도에 맞춘 후 검증된 발견 사항으로 보고서 초안 작성 (가이드)
AI 클라이언트를 통한 작업	참여, 조사 및 검증을 위한 MCP 도구
발견 사항 재현	오라클 결과 및 재생 가능한 증명 캡슐
수정 사항 확인	업데이트된 대상에 대해 기록된 검사를 다시 실행
팀에 보고	기존 엔지니어링 워크플로를 위한 보고서 및 SARIF 출력
참여 데이터를 로컬에 유지	발견 사항을 SQLite로 사용자 머신에 저장

인기

autopilot-pentest-ai