AttackGen

AttackGen — это инструмент для тестирования реагирования на киберинциденты, использующий возможности больших языковых моделей и всеобъемлющие фреймворки MITRE ATT&CK и ATLAS. Инструмент генерирует индивидуальные сценарии реагирования на инциденты на основе выбранных пользователем групп субъектов угроз, тематических исследований атак ИИ и сведений о вашей организации.

Содержание

• Поставьте звезду репозиторию
• Возможности
• Релизы
• Требования
• Установка
• Настройка LangSmith
• Настройка данных
• Запуск AttackGen
• MCP-сервер
• Навыки агента
• Использование
• Лучшие практики безопасности
• Участие в разработке
• Лицензия

Поставьте звезду репозиторию

Если вы находите AttackGen полезным, пожалуйста, поставьте звезду репозиторию на GitHub. Это помогает большему числу людей узнать об инструменте. Ваша поддержка очень ценится! ⭐

Возможности

• Генерирует уникальные сценарии реагирования на инциденты на основе выбранных групп угроз или тематических исследований ATLAS.
• Позволяет указать размер и отрасль вашей организации для адаптации сценария.
• Поддерживает фреймворки MITRE ATT&CK Enterprise, ICS (Industrial Control Systems) и ATLAS (Adversarial Threat Landscape for AI Systems).
• Отображает подробный список техник, используемых выбранной группой угроз или тематическим исследованием.
• Создавайте собственные сценарии на основе выбранных техник ATT&CK или ATLAS.
• Используйте шаблоны сценариев для быстрой генерации собственных сценариев на основе распространённых типов киберинцидентов, включая специфичные для AI/ML паттерны атак.
• Генерируйте сценарии внутренней угрозы со стороны ИИ — учения по реагированию на инциденты, в которых передовой ИИ-агент, развёрнутый внутри вашей организации, ведёт себя как внутренний нарушитель, на основе модели угроз из Actions Speak Louder Than Tokens: An Insider Threat Model for Frontier AI Agents. Сценарии формируются с учётом архетипа развёртывания агента (уровня автономности), категории угроз, угроз STRIDE и необязательного свободного текстового зерна сценария.
• AttackGen Assistant — чат-интерфейс для обновления и/или вопросов о сгенерированных сценариях с прямым переходом обратно на страницу, с которой пришёл сценарий.
• Пошаговая настройка: каждая страница показывает одну и ту же боковую панель Setup, перечисляет все невыполненные требования в единой сводке готовности и держит кнопку Generate отключённой, пока рабочий процесс не готов.
• Результаты сохраняются в течение сессии: каждая страница сценария хранит свой последний результат, введённые данные и загрузки между повторными запусками и переходами, и только явные Regenerate или Clear result заменяют или удаляют его.
• Длинные сценарии сопровождаются компактной сводкой и навигацией по разделам, включая быстрые ссылки на инъекции, критерии успеха, метрики, артефакты и правила ведения учений, по которым фасилитатор проводит упражнение.
• Собирайте отзывы пользователей о качестве сгенерированных сценариев.
• Компаньон Detection & Response: для техник сценария AttackGen перечисляет соответствующие стратегии обнаружения ATT&CK, аналитики, источники логов и меры защиты, доступные для скачивания в виде отдельного файла _detection.md.
• Загрузка слоя ATT&CK Navigator для сценариев Threat Group и Custom, чтобы вы могли просматривать техники сценария в ATT&CK Navigator.
• Необязательные переключатели на страницах Threat Group и Custom: AI-enhanced adversary переосмысливает ту же цепочку атаки как ускоренную ИИ, а Purple-team narrative добавляет пошаговый разбор с точки зрения защитника, построенный на предоставленных обнаружениях и мерах защиты.
• Скачиваемые сценарии в формате Markdown, а также отчёт об обнаружении и слой Navigator.
• MCP-сервер (attackgen-mcp), который предоставляет цепочки атак, отчёты об обнаружении, слои Navigator и генерацию сценариев агентным клиентам, а также Agent Skill attackgen-tabletop для превращения этого вывода в готовое к проведению настольное учение.
• Используйте OpenAI API, Anthropic API (модели Claude), Google AI API, Mistral API, Groq API или любую совместимую с OpenAI конечную точку (Ollama, LM Studio, Azure OpenAI, OpenRouter и т. д.) для генерации сценариев реагирования на инциденты. Все провайдеры маршрутизируются через LiteLLM за единой внутренней обёрткой, поэтому добавление новой модели — это изменение в одну строку.
• Доступен в виде образа Docker-контейнера для простого развёртывания.
• Необязательная интеграция с LangSmith для мощной отладки, тестирования и мониторинга производительности модели.
• Безопасное управление учётными данными с помощью файла .env для API-ключей и секретов.

Releases