Motor autônomo de pentest com IA, segurança ofensiva contínua em web, nuvem, AD e Kubernetes. Raciocínio agêntico + execução real de exploits geram vulnerabilidades baseadas em provas. Gateway de privacidade: o LLM nunca vê seus IPs, hosts, credenciais ou caminhos reais (placeholders determinísticos reidratados localmente), nada sai do seu perímetro.
⭐ Star DarkMoon · 🚀 Quick Start · 🧩 Integrations · 📊 Benchmark · 🔒 Darkmoon Pro · ▶️ Install & Run (OSS) · ▶️ Demo (Pro)
DarkMoon é um teste de penetração autônomo com IA para a sua própria infraestrutura. Aponte-o para um alvo autorizado e ele executa toda a avaliação sozinho, documentando cada descoberta com o comando exato e a saída bruta.
O Darkmoon open source é uma ferramenta de linha de comando. Isto é o que você obtém ao clonar o repositório. Você inicia uma avaliação pela linha de comando e assiste cada agente, comando e descoberta fluir em tempo real.
Inicie uma execução pela CLI. Uma linha |
Agentes autônomos raciocinam e exploram, ao vivo no seu terminal. Aqui um sub-agente sinaliza CVE-2019-9978 e parte direto para a exploração. |
Reconhecimento e modelo de ambiente. O DarkMoon faz fingerprint da stack e confirma a superfície de ataque antes de atacar. |
Fluxo MCP ao vivo. Cada comando que o agente executa e sua saída bruta, com timestamp, via |
Do sinal ao despacho de agentes. O DarkMoon decide quais agentes especialistas implantar a partir exatamente do que detecta no alvo.
Destacado em Help Net Security · Cyber Security News · DevOps.com · SecurityBrief · LinuxLinks · IT Brief · ChannelLife
git clone https://github.com/ASCIT31/Dark-Moon.git
cd Dark-Moon
./install.sh
install.sh configura seu provedor de LLM interativamente (sem necessidade de editar docker-compose.yml) e constrói a stack completa:
./install.sh # skip form if .opencode.env already configured
./install.sh --init # force reconfiguration (cloud or local model)
./install.sh --help # show usage
Suporta provedores de nuvem (Anthropic, OpenAI, OpenRouter…) e modelos locais (Ollama, llama.cpp). Em seguida, execute sua primeira avaliação e acompanhe ao vivo:
./darkmoon.sh "TARGET: example.com"
./darkmoon.sh --log <session_id>
Pré-requisitos: Docker & Docker Compose, e uma chave de API de LLM (ou um modelo local). Configuração de GPU, variáveis de ambiente e a referência completa de flags estão na Documentação Completa.