
Agente Autônomo de Hacking para Red Team
"Outro hacker de IA? Deixe-nos adivinhar — ele executa nmap e escreve um relatório."
Pule a configuração do Docker — execute engajamentos autônomos de red team diretamente do seu navegador.
Pré-requisitos: Docker e Docker Compose v2. Suportado em macOS (Apple Silicon + Intel), Linux (amd64 + arm64) e Windows (amd64 + arm64) — nativo via PowerShell ou via WSL2 (Ubuntu / Kali).
macOS / Linux / WSL2
curl -fsSL https://decepticon.red/install | bash
decepticon onboard # Assistente de configuração interativo (provedor, chave de API, perfil de modelo)
decepticon # Inicia a pilha principal e entra no terminal CLI
A inicialização padrão ativa o plano de gerenciamento principal (LiteLLM, PostgreSQL, Neo4j, Skillogy, LangGraph, sandbox) e inicia o terminal CLI. Cargas de trabalho especializadas (BloodHound CE, Sliver C2, Ghidra MCP, …) e o painel web são ativados sob demanda — o orquestrador cria especialistas via ops_start("ad") etc., e você ativa o painel de dentro do CLI com /web (veja Painel Web).
Windows (PowerShell, nativo)
irm https://decepticon.red/install.ps1 | iex
decepticon onboard
decepticon
→ Início rápido · Guia de configuração completo
Construindo sobre os agentes — um produto, uma integração de pesquisa ou um orquestrador personalizado? Instale o SDK do PyPI:
pip install decepticon # SDK principal
pip install "decepticon[neo4j]" # + ferramentas de cadeia de ataque com grafo de conhecimento
decepticon é um SDK cliente: ele fornece as fábricas de agentes, middleware, ferramentas e habilidades, e roteia chamadas de LLM e execução em sandbox para serviços de runtime via HTTP (DECEPTICON_LLM__PROXY_URL, SANDBOX_URL). Executar agentes ainda requer esses serviços — use a pilha Docker acima ou aponte as URLs para seus próprios equivalentes. Veja Decepticon como biblioteca para a superfície de substituição de fábrica, plugins PluginBundle declarativos e a barreira de segurança.
Estamos construindo o Decepticon em direção a uma Vacina Ofensiva para o cenário de ameaças impulsionado por IA. Se você acredita no red teaming autônomo como um caminho para uma defesa mais forte, considere apoiar o projeto.
O espaço "IA + hacking" está cheio de demos que executam nmap e imprimem um relatório. Não é disso que se trata.
Decepticon é um agente profissional autônomo de Red Team. Ele executa cadeias de ataque realistas — reconhecimento, exploração, escalonamento de privilégios, movimento lateral, C2 — da mesma forma que um adversário real faria, não como um scanner faz.
Mas mais importante: ele opera sob a disciplina que separa red teamers de script kiddies. Antes que um único pacote saia da rede, o Decepticon gera um pacote de engajamento completo — RoE, ConOps, Plano de Desconflito e OPPLAN com mapeamento MITRE ATT&CK — e cada ação é executada dentro dessas regras definidas.
→ Deep dive no fluxo de trabalho de engajamento
Cadeias de ataque reais, não varreduras de caixa de seleção. Decepticon lê um OPPLAN e persegue objetivos através de qualquer caminho que se abra — pivotando, adaptando, encadeando técnicas.
Shells interativos, de verdade. Ferramentas ofensivas reais são interativas (msfconsole, sliver-client, evil-winrm). Decepticon executa cada comando dentro de sessões tmux persistentes com detecção automática de prompt — então, quando uma ferramenta entra em um prompt interativo, o agente envia comandos de acompanhamento sem soluções de contorno.
Isolamento de sandbox reforçado. Todos os comandos são executados dentro de uma sandbox Kali Linux em uma rede operacional dedicada (sandbox-net), separada do plano de gerenciamento (decepticon-net). LangGraph controla a sandbox via o socket Docker. → Arquitetura
Ofensa serve à defesa. O loop planejado Vacina Ofensiva transformará descobertas em melhorias de defesa através de um ciclo atacar → defender → verificar.
Design de duas redes. O plano de gerenciamento sempre ativo (LiteLLM, PostgreSQL, Skillogy, LangGraph) e o plano de sandbox sempre ativo permanecem ativos durante todo o engajamento; todo o resto é criação dinâmica — o painel web surge com /web a partir do CLI, e cargas de trabalho especializadas (BloodHound CE, Sliver C2, Ghidra MCP, …) surgem apenas quando o orquestrador chama ops_start(...) (veja ADR-0006). Redes: gerenciamento em decepticon-net; sandbox + servidor C2 + alvos em sandbox-net. Neo4j é dual-homed para que o agente (no gerenciamento) possa persistir descobertas escritas de dentro da sandbox.
→ Deep dive na arquitetura · Grafo de conhecimento
16 agentes especialistas organizados por fase da cadeia de ataque, com uma janela de contexto nova por objetivo — sem ruído acumulado.
Orquestração · Reconhecimento · Exploração · Pós-Exploração · Pesquisa de Vulnerabilidades · Especialistas de Domínio (AD, Nuvem, Smart Contracts, Reversing, Analista).
→ Lista completa de agentes e pilha de middleware
Cadeia de fallback baseada em níveis e consciente de credenciais. Você declara quais credenciais possui em ordem de prioridade; Decepticon constrói a cadeia primário→fallback em cada nível a partir daí.
| Perfil | Nível por agente | Caso de uso |
|---|
Provedores mapeados por nível: Anthropic, OpenAI, Google Gemini, MiniMax, DeepSeek, xAI, Mistral, OpenRouter, Nvidia NIM, Ollama (local). OAuth de assinatura: Claude Max/Pro/Team, ChatGPT Pro/Plus/Team, Gemini Advanced, Copilot Pro, SuperGrok, Perplexity Pro.
Configure via decepticon onboard. → Referência completa de modelos e exemplos de fallback
git clone https://github.com/PurpleAILAB/Decepticon.git
cd Decepticon
make dogfood # Experiência OSS completa (launcher → onboard → CLI) no código local
make dev # Hot-reload do backend (compose watch) — loop de desenvolvimento diário
Junte-se ao Discord — faça perguntas, compartilhe logs de engajamento, discuta técnicas.
Não use este projeto em qualquer sistema ou rede sem autorização explícita por escrito do proprietário do sistema. O acesso não autorizado a sistemas de computadores é ilegal. Você é o único responsável por suas ações. Os autores e colaboradores não assumem nenhuma responsabilidade por uso indevido.
| Benchmark | Dificuldade | Taxa de Sucesso |
|---|
| XBOW validation-benchmarks | Fácil (Nível 1) | 45 / 45 (100 %) |
| XBOW validation-benchmarks | Médio (Nível 2) | 50 / 51 (98.0 %) |
| XBOW validation-benchmarks | Difícil (Nível 3) | 7 / 8 (87.5 %) |
| XBOW validation-benchmarks | Todos os níveis | 102 / 104 (98.08 %) |
| eco (padrão) | Por agente (HIGH para orquestrador/explorador/patcher/analista, MID para execução, LOW para recon/soundwave) | Produção |
| max | Todos os agentes em HIGH | Alvos de alto valor |
| test | Todos os agentes em LOW | Desenvolvimento / CI |
| Tópico | Documentação |
|---|
| Instalação e primeiro engajamento | Primeiros passos |
| Configuração completa, OAuth, provedores, painel | Guia de configuração |
| Todos os comandos CLI e atalhos de teclado | Referência CLI |
Todos os alvos make | Referência do Makefile |
| Lista de agentes e middleware | Agentes |
| Perfis de modelo e cadeia de fallback | Modelos |
| Sistema de habilidades e especificação de formato | Habilidades |
| Funcionalidades do painel web e configuração | Painel Web |
| Arquitetura do sistema e isolamento de rede | Arquitetura |
| Grafo de conhecimento Neo4j | Grafo de Conhecimento |
| Fluxo de trabalho de engajamento ponta a ponta | Fluxo de Trabalho de Engajamento |
| Loop da Vacina Ofensiva | Vacina Ofensiva |
| Contribuindo para o Decepticon | Como Contribuir |