AttackGen

O AttackGen é uma ferramenta de teste de resposta a incidentes de cibersegurança que aproveita o poder dos grandes modelos de linguagem e os abrangentes frameworks MITRE ATT&CK e ATLAS. A ferramenta gera cenários de resposta a incidentes personalizados com base em grupos de atores de ameaça selecionados pelo utilizador, estudos de caso de ataques de IA e nos detalhes da sua organização.

Índice

• Dar uma estrela ao repositório
• Funcionalidades
• Lançamentos
• Requisitos
• Instalação
• Configuração do LangSmith
• Configuração dos dados
• Executar o AttackGen
• Servidor MCP
• Competências do agente
• Utilização
• Boas práticas de segurança
• Contribuir
• Licença

Dar uma estrela ao repositório

Se considerar o AttackGen útil, considere dar uma estrela ao repositório no GitHub. Isto ajuda mais pessoas a descobrir a ferramenta. O seu apoio é muito apreciado! ⭐

Funcionalidades

• Gera cenários únicos de resposta a incidentes com base nos grupos de atores de ameaça ou estudos de caso ATLAS escolhidos.
• Permite especificar o tamanho e o setor da sua organização para um cenário personalizado.
• Suporta os frameworks MITRE ATT&CK Enterprise, ICS (Industrial Control Systems) e ATLAS (Adversarial Threat Landscape for AI Systems).
• Exibe uma lista detalhada das técnicas utilizadas pelo grupo de atores de ameaça ou estudo de caso selecionado.
• Crie cenários personalizados com base numa seleção de técnicas ATT&CK ou ATLAS.
• Utilize modelos de cenário para gerar rapidamente cenários personalizados com base em tipos comuns de incidentes cibernéticos, incluindo padrões de ataque específicos de IA/ML.
• Gere Cenários de Ameaça Interna de IA - exercícios de resposta a incidentes nos quais um agente de IA de fronteira implementado dentro da sua organização se comporta como uma ameaça interna, com base no modelo de ameaça de Actions Speak Louder Than Tokens: An Insider Threat Model for Frontier AI Agents. Os cenários são moldados pelo arquétipo de implementação do agente (nível de autonomia), categoria de ameaça, ameaças STRIDE e uma semente de cenário opcional em texto livre.
• AttackGen Assistant - uma interface de chat para atualizar e/ou fazer perguntas sobre cenários gerados, com um caminho direto de volta à página de onde o cenário veio.
• Configuração guiada: cada página mostra a mesma barra lateral Setup, lista todos os requisitos pendentes num único resumo de prontidão e mantém Generate desativado até que o fluxo de trabalho esteja pronto.
• Os resultados persistem durante a sessão: cada página de cenário mantém o seu próprio resultado mais recente, as entradas capturadas e os downloads entre reexecuções e navegação, e apenas um Regenerate ou Clear result explícito o substitui ou remove.
• Cenários longos vêm com um resumo compacto e navegação por secções, incluindo atalhos para os injetos, critérios de sucesso, métricas, artefactos e regras de envolvimento a partir dos quais um facilitador conduz o exercício.
• Recolha feedback dos utilizadores sobre a qualidade dos cenários gerados.
• Companheiro de Deteção e Resposta: para as técnicas do cenário, o AttackGen lista as estratégias de deteção, análises, fontes de log e mitigações ATT&CK correspondentes, transferíveis como um ficheiro _detection.md separado.
• Download da camada ATT&CK Navigator para cenários de Threat Group e Custom, para que possa ver as técnicas do cenário no ATT&CK Navigator.
• Alternâncias opcionais nas páginas Threat Group e Custom: AI-enhanced adversary reformula a mesma kill chain como acelerada por IA, e Purple-team narrative acrescenta uma análise passo a passo do defensor, construída a partir das deteções e mitigações fornecidas.
• Cenários transferíveis em formato Markdown, além do relatório de deteção e da camada Navigator.
• Servidor MCP (attackgen-mcp) que expõe kill chains, relatórios de deteção, camadas Navigator e geração de cenários a clientes agênticos, além da Agent Skill attackgen-tabletop para transformar esse resultado num exercício de tabletop pronto para facilitadores.
• Utilize a API OpenAI, a API Anthropic (modelos Claude), a API Google AI, a API Mistral, a API Groq ou qualquer endpoint personalizado compatível com OpenAI (Ollama, LM Studio, Azure OpenAI, OpenRouter, etc.) para gerar cenários de resposta a incidentes. Todos os fornecedores são encaminhados através do LiteLLM por trás de um único wrapper interno, pelo que adicionar um novo modelo é uma alteração de uma linha.
• Disponível como imagem de contentor Docker para fácil implementação.
• Integração opcional com LangSmith para depuração, testes e monitorização poderosos do desempenho do modelo.
• Gestão segura de credenciais usando ficheiro .env para chaves de API e segredos.

Releases