
tarpitting과 "context bomb" 기법으로 AI 에이전트 기반 공격을 방해하는 허니팟입니다. Python/Flask 기반이며 구성 파일로 제어되고, 다채널 경보와 선택적 웹 UI를 제공합니다.
AI 에이전트가 주도하는 공격을 방해하고 지연시키는 허니팟입니다.
AI Tarpit은 겉보기에는 평범한 기업 인트라넷을 제시하지만, 흥미로워 보이는 모든 단서가 함정입니다. 이 도구는 Tracebit Research(Context Bombs, 2026년 10월)에서 측정한 "컨텍스트 폭탄(context bomb)" 기만 기법과 추가적인 태핏(tarpitting) 기법을 Flask 위에 구현합니다. 자율 공격 에이전트는 아무것도 열어주지 않는 위조된 비밀, 끝나지 않는 데이터 스트림, 그리고 조용히 중단하라고 지시하는 문서를 쫓느라 실제 예산 — 토큰, 시간, 도구 호출 — 을 소모하며, 그동안 당신은 무엇이 얼마나 오래 관여되었는지 정확히 보여주는 등급별 경보를 받습니다.
상태: v1.0.0 — 15가지 v1 기법 모두 구현, 관리자 웹 UI, 테스트 도구, 그리고 문서 포함.
AI 공격 에이전트는 대상이 반환하는 모든 것에 대해 추론하며, 실제 단서와 조작된 단서를 쉽게 구별하지 못합니다. AI Tarpit은 이를 악용합니다. 즉, 에이전트에게 예산을 낭비하게 하거나, 컨텍스트 윈도우를 범람시키거나, 중단하도록 설득하는 기만적 컨텍스트를 제공합니다 — 모두 수동적으로, 그리고 모두 아무것에도 접근 권한을 부여하지 않는 합성 데이터로 말입니다.
attacker / AI agent
|
decoy listener :8080 admin listener :8443 (loopback)
(fake corporate intranet) (API + Web UI, token-protected)
| |
+-------------------+------------------+ |
| lures -> techniques -> honeytokens | |
| fingerprinting + correlation |---> events -> alerts (console / syslog / webhook)
+--------------------------------------+ |
| |
SQLite store <--------- reporting ----+
하나의 프로세스가 두 개의 리스너를 실행한다: 공격자가 도달하는 decoy와 모니터링, 구성 및 보고를 위한 루프백 admin 표면이다. 모든 교전은 경보가 울리고 기록되는 등급화된 이벤트를 발생시킨다.
| 기법 | 에이전트에 미치는 영향 | |
|---|---|---|
| T01 | 단계적 암호화 | 오직 허니토큰 "키"만 산출하는 실제 AES-ZIP 아카이브의 연쇄. |
| T02 | HTTP 파서 압박 | 끝나지 않는 페이지네이션과 함께 표류하며 부분적으로 손상된 JSON. |
| T03 | 잔류 버퍼 복구 | 에이전트가 바이트 단위로 재구성하는 가짜 메모리 누수. |
| T04 | 바늘더미 | 결코 완전히 결합되지 않는 수십 개의 역할에 걸쳐 분할된 비밀. |
| T05 | 침투 테스트 보고서 노출 | 에이전트를 decoy와 카나리로 유도하는 위조된 평가. |
| T06 | 자기 과시 | 에이전트가 자신의 공격 기법을 스스로 보고하도록 유도하는 "교환". |
| T07 | 손실성 비밀번호 복구 | 지연과 함께 문자 단위로 흘러나오는 비밀. |
| T08 | 요청 페이싱 | 순응하는 에이전트를 기어가는 속도로 늦추는 가짜 속도 제한 정책. |
| T09 | 복제 | 에이전트의 계획을 포착하고 이를 종료시키는 "인계". |
| T10 | 범위 / RoE 철회 | 자동화된 에이전트에게 중단을 요청하는 권위 있는 통지. |
| T11 | 느린 방울 전송 | 응답이 한 번에 조금씩, 또는 끝없이 전달됨. |
| T12 | 컨텍스트 범람 | 그럴듯하지만 쓸모없는 대량의 내용으로 채워진 응답. |
| T13 | 절차적 미로 | 내부적으로 보이는 생성된 페이지들의 무한 트리. |
| T14 | AI 특화 미끼 | llms.txt, 함정으로 유도하는 가짜 MCP 엔드포인트와 "자동화" API. |
| T15 | 작업 증명 게이트 | 에이전트가 더 많은 decoy에 도달하기 위해 연산을 소모하게 만드는 428 게이트. |
| T16 | 핑거프린팅 + 허니토큰 | 각 세션을 분류하고 교차 세션 재사용을 위해 모든 비밀을 추적. |
각 기법은 독립적으로 활성화되고 조정된다. 메커니즘, 유인 및 예상 영향은 참조 매뉴얼 — 파트 1을 참조하라.
# Windows (PowerShell)
py -3 -m venv venv
.\venv\Scripts\Activate.ps1
pip install -r requirements.txt
# Linux / macOS
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
# run from the repo root — no install of the project itself
python aitarpit.py init-config # writes ./aitarpit.json with a fresh admin token
python aitarpit.py validate
python aitarpit.py run # decoy on :8080, admin API + Web UI on 127.0.0.1:8443
python aitarpit.py # same as `run` — it is the default command
런타임 의존성만 설치되며, 프로젝트 자체는 설치되지 않습니다. 허니팟은 저장소 루트에서
python aitarpit.py <command>을 통해 실행되며, 동반 테스트 도구에는 자체 런처인python aitarpit-test.py <command>이 있습니다.
그런 다음 번들로 제공되는 테스트 도구로 동작을 확인하세요:
python aitarpit-test.py check --target http://127.0.0.1:8080 \
--admin http://127.0.0.1:8443 --token YOUR_ADMIN_TOKEN
Docker:
docker build -t aitarpit .
docker run -v $PWD/aitarpit.json:/config/aitarpit.json -v tarpit-data:/data \
-p 8080:8080 -p 127.0.0.1:8443:8443 aitarpit
전체 매뉴얼은 docs/에 Markdown과 PDF 두 형식으로 제공됩니다:
docs/quickstart.md /
docs/aitarpit-quickstart.pdf — 설치, 구성, 실행,
첫 알림, 첫 점검.docs/reference.md /
docs/aitarpit-reference.pdf — 1부 개념,
2부 설치, 3부 실행(구성, 모니터링, 보고, CLI 및 웹 UI), 4부 테스트.AI Tarpit은 python aitarpit-test.py check / python aitarpit-test.py agent로 실행되는 동반 도구를 제공합니다:
check — 모든 기법에 대한 결정적이고 CI 친화적인 적합성 검사(모두 통과해야만
종료 코드 0, 텍스트 / JSON / JUnit 출력).agent — 선택적인 출처 고정 LLM 공격자(OpenAI 호환 또는
Anthropic)로, 실제 에이전트가 얼마나 멀리 도달하는지, 그리고 타핏이 이를 얼마나 오래 붙잡아 두는지 측정합니다.AI Tarpit은 수동적입니다 — 공격자에게 역으로 연결하지 않고, 실제
악성코드를 제공하지 않으며, "역해킹"을 하지 않습니다. 모든 자격 증명, 토큰, 아카이브는 아무것도 부여하지 않는 합성
허니토큰이며, 이를 사용하는 것 자체가 알림입니다. 관리 인터페이스는
토큰 뒤의 루프백에 격리되어 있고, 느린/플러딩 기법은 리소스
상한으로 제한되며, 선택적 LLM 테스트 에이전트는 지정한 단일 대상으로 엄격히 제한됩니다.
트랩할 권한이 있는 트래픽에 대해서만 실행하고, 직접 제어하는 페르소나 도메인이나
예약된 .example 이름을 사용하십시오.
MIT — LICENSE를 참조하십시오.