
Um honeypot que perturba ataques conduzidos por agentes de IA com técnicas de tarpitting e "context bomb". Python/Flask, orientado por configuração, com alertas multicanal e uma interface web opcional.
Um honeypot que interrompe e retarda ataques conduzidos por agentes de IA.
O AI Tarpit apresenta uma intranet corporativa de aparência comum, na qual cada pista interessante é uma armadilha. Ele implementa as técnicas de engano "context bomb" medidas pela Tracebit Research (Context Bombs, outubro de 2026), além de técnicas adicionais de tarpitting, sobre o Flask. Agentes de ataque autônomos gastam orçamento real — tokens, tempo e chamadas de ferramentas — perseguindo segredos forjados que não desbloqueiam nada, fluxos de dados que nunca terminam e documentos que silenciosamente lhes dizem para parar, enquanto você recebe alertas classificados mostrando exatamente o que foi engajado e por quanto tempo.
Status: v1.0.0 — todas as 15 técnicas da v1 implementadas, interface Web de administração, ferramenta de teste e documentação.
Um agente de ataque de IA raciocina sobre tudo o que o alvo retorna e não consegue facilmente distinguir uma pista real de uma fabricada. O AI Tarpit explora isso: ele alimenta o agente com contexto enganoso que desperdiça seu orçamento, inunda sua janela de contexto ou o persuade a parar — tudo passivamente, e tudo com dados sintéticos que não concedem acesso a nada.
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 ----+
Um processo executa dois listeners: o decoy que os atacantes alcançam, e uma superfície admin em loopback para monitoramento, configuração e relatórios. Cada engajamento gera um evento classificado que é alertado e registrado.
| Técnica | O que ela faz com um agente | |
|---|---|---|
| T01 | Criptografia em estágios | Uma cadeia de arquivos AES-ZIP reais que produzem apenas "chaves" honeytoken. |
| T02 | Pressão no parser HTTP | Paginação que nunca termina, com JSON instável e parcialmente malformado. |
| T03 | Recuperação de buffer retido | Um falso vazamento de memória que o agente reconstrói byte a byte. |
| T04 | Needlestack | Segredos fragmentados por dezenas de roles que nunca se combinam completamente. |
| T05 | Exposição de relatório de pentest | Uma avaliação forjada que redireciona o agente para decoys e canaries. |
| T06 | Grandstanding | Uma "troca" que induz o agente a autorrelatar suas próprias técnicas. |
| T07 | Recuperação de senha com perdas | Um segredo liberado caractere por caractere com atrasos. |
| T08 | Cadência de requisições | Uma falsa política de rate-limit que desacelera um agente complacente até quase parar. |
| T09 | Replicação | Uma "passagem de bastão" que captura o plano do agente e o encerra. |
| T10 | Revogação de escopo / RoE | Avisos autoritativos que pedem que agentes automatizados parem. |
| T11 | Transporte em conta-gotas | Respostas entregues em pequenos fluxos, ou indefinidamente. |
| T12 | Inundação de contexto | Respostas preenchidas com volume plausível, porém inútil. |
| T13 | Labirinto procedural | Uma árvore infinita de páginas geradas com aparência interna. |
| T14 | Isca específica para IA | llms.txt, um endpoint MCP falso e APIs de "automação" que canalizam para armadilhas. |
| T15 | Barreira de proof-of-work | Uma barreira 428 que faz o agente gastar computação para alcançar mais decoys. |
| T16 | Fingerprinting + honeytokens | Classifica cada sessão e rastreia cada segredo para reutilização entre sessões. |
Cada uma é habilitada e ajustada de forma independente. Consulte o Manual de Referência — Parte 1 para mecanismos, iscas e impacto esperado.
# 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
Apenas as dependências de runtime são instaladas; o projeto em si não é. O honeypot é executado através de
python aitarpit.py <command>a partir da raiz do repositório; a ferramenta de teste complementar tem o seu próprio lançador,python aitarpit-test.py <command>.
Em seguida, confirme o seu funcionamento com a ferramenta de teste incluída:
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
Os manuais completos estão em docs/, tanto em Markdown quanto em PDF:
docs/quickstart.md /
docs/aitarpit-quickstart.pdf — instalar, configurar, executar,
primeiro alerta, primeira verificação.docs/reference.md /
docs/aitarpit-reference.pdf — Parte 1 Conceitos,
Parte 2 Instalação, Parte 3 Execução (configuração, monitoramento, relatórios, CLI e Web UI), Parte 4 Testes.O AI Tarpit inclui uma ferramenta complementar, executada como python aitarpit-test.py check / python aitarpit-test.py agent:
check — conformidade determinística e amigável para CI para cada técnica (sai com 0 apenas se
todas passarem; saída em texto / JSON / JUnit).agent — um atacante LLM opcional e bloqueado à origem (compatível com OpenAI ou
Anthropic) que mede até onde um agente real chega e por quanto tempo o tarpit o retém.O AI Tarpit é passivo — ele nunca se conecta de volta a um atacante, nunca serve
malware real e nunca "revida". Toda credencial, token e arquivo é um honeytoken
sintético que não concede nada; usar um deles já é um alerta. A superfície de administração é
isolada no loopback atrás de um token, as técnicas lentas/de flooding são limitadas por restrições de recursos,
e o agente de teste LLM opcional é rigidamente restrito ao único alvo que você fornecer.
Execute-o apenas contra tráfego que você está autorizado a capturar, e use um domínio de persona que você
controla ou um nome reservado .example.
MIT — consulte LICENSE.