AttackGen — это инструмент тестирования реагирования на инциденты кибербезопасности, использующий возможности больших языковых моделей и комплексный фреймворк MITRE ATT&CK. Инструмент генерирует адаптированные сценарии реагирования на инциденты на основе выбранных пользователем групп угроз и данных о вашей организации.
AttackGen — это инструмент для тестирования реагирования на инциденты кибербезопасности, который использует возможности больших языковых моделей и комплексные фреймворки MITRE ATT&CK и ATLAS. Инструмент генерирует адаптированные сценарии реагирования на инциденты на основе выбранных пользователем групп угроз, тематических исследований атак с использованием ИИ и данных о вашей организации.
Если вы считаете AttackGen полезным, пожалуйста, рассмотрите возможность поставить звезду репозиторию на GitHub. Это поможет большему числу людей узнать об инструменте. Ваша поддержка очень ценится! ⭐
streamlit, litellm, mitreattack-python, pandas (см. requirements.txt для полного списка)../data/), поэтому ручная загрузка не требуется (см. Настройка данных)..env для хранения ключей API и секретов (см. раздел Установка для получения подробной информации).2. Перейдите в каталог клонированного репозитория:```
cd attackgen
### Вариант 2: Использование Docker
1. Загрузите образ Docker-контейнера из Docker Hub:```
docker pull mrwadams/attackgen
Если вы хотите использовать LangSmith для отладки, тестирования и мониторинга производительности моделей, вам потребуется создать учётную запись LangSmith и файл .streamlit/secrets.toml, содержащий ваш ключ API LangChain. Следуйте инструкциям здесь, чтобы настроить учётную запись и получить ключ API. В каталоге .streamlit/ вы найдёте файл secrets.toml-example, который можно использовать в качестве шаблона для собственного файла secrets.toml.
Если вы не хотите использовать LangSmith, файл .streamlit/secrets.toml всё равно должен присутствовать, но поле LANGCHAIN_API_KEY можно оставить пустым.
Наборы данных MITRE ATT&CK (Enterprise + ICS) и ATLAS, необходимые AttackGen, включены в репозиторий в каталог ./data/, поэтому свежий клон готов к запуску без дополнительного этапа загрузки. Они включают enterprise-attack.json, ics-attack.json, stix-atlas.json, groups.json, groups_ics.json и atlas-case-studies.json.
Если вы хотите обновить их до последней версии из вышестоящего релиза, вы можете повторно загрузить пакеты STIX из репозитория данных STIX MITRE ATT&CK (и репозитория данных ATLAS) и заменить файлы в ./data/.
После настройки данных вы можете запустить AttackGen с помощью следующей команды:``` streamlit run 00_👋_Welcome.py
Вы также можете попробовать приложение на [Streamlit Community Cloud](https://attackgen.streamlit.app/).
## MCP-сервер
AttackGen поставляется с [MCP](https://modelcontextprotocol.io/)-сервером, чтобы агентные рабочие процессы (Claude Code, Claude Desktop, Cursor и другие MCP-клиенты) могли управлять генерацией сценариев без Streamlit-интерфейса. Он предоставляет **два уровня инструментов**:
- **Инструменты данных — без API-ключа и без вызова LLM.** Они предоставляют данные MITRE от AttackGen: список групп угроз / тематических исследований ATLAS, разбор цепочки атак группы, формирование отчёта Detection & Response для фиолетовой команды, создание слоя ATT&CK Navigator и список вариантов ИИ-инсайдерских угроз. `list_ai_insider_options` возвращает каждый шаблон быстрого старта с выбором и кратким описанием сценария, который он применяет, поэтому `get_ai_insider_prompt` / `generate_ai_insider_scenario` можно вызывать только с `template=` плюс ваша отрасль и размер компании. Где это полезно, они также возвращают готовый к запуску промпт, чтобы **собственная модель вашего клиента** могла написать сценарий — то есть они работают даже без отдельного API-ключа провайдера. Это поверхность, которую безопасно размещать через HTTP.
- **Инструменты генерации — принесите свой ключ.** `generate_threat_group_scenario`, `generate_custom_scenario` и `generate_ai_insider_scenario` вызывают LLM-сервер на стороне сервера и возвращают готовый сценарий в Markdown. Провайдер, модель и ключ указываются при каждом вызове; если вы опустите `api_key`, LiteLLM вернётся к соответствующей переменной окружения (`OPENAI_API_KEY`, `ANTHROPIC_API_KEY`, …) — то есть **вашему собственному** ключу. Поскольку эти инструменты считывают учётные данные из окружения процесса, держите их на **локальном stdio** и не открывайте на общем хосте.
### Установка и запуск
Зависимость `mcp` включена в `requirements.txt`. Установите проект (редактируемая установка также даёт вам консольный скрипт `attackgen-mcp`):```
pip install -r requirements.txt
# optional, for the console script:
pip install -e .
Запустите сервер (stdio):``` python -m mcp_server # or: attackgen-mcp
### Добавьте его в клиент
**Claude Code:**```
claude mcp add attackgen -- python -m mcp_server
Claude Desktop (claude_desktop_config.json) — ключи помещаются в env:```json
{
"mcpServers": {
"attackgen": {
"command": "python",
"args": ["-m", "mcp_server"],
"cwd": "/absolute/path/to/attackgen",
"env": {
"OPENAI_API_KEY": "sk-...",
"ANTHROPIC_API_KEY": "sk-ant-..."
}
}
}
}
Вы можете задать `ATTACKGEN_PROVIDER` и `ATTACKGEN_MODEL` в `env`, чтобы предоставить инструментам генерации стандартный провайдер/модель, и вызывающим сторонам не придётся передавать их каждый раз. Тяжёлые наборы данных MITRE загружаются лениво при первом вызове инструмента данных, поэтому сервер запускается мгновенно.
## Навыки агента
В паре с MCP-сервером идёт **[навык агента](https://github.com/mrwadams/attackgen/blob/main/skills)**, `attackgen-tabletop`, который превращает данные AttackGen в готовую для ведущего настольную игру по реагированию на инциденты.
Имея группу угроз или тематическое исследование ATLAS, навык создаёт полную настольную игру / список событий основного сценария (MSEL) — повествование сценария, цепочку уничтожения с привязкой к фазам, инъекции с временными метками, вопросы для обсуждения по NIST SP 800-61 и карту оценок покрытия обнаружения — в формате Markdown или автономного HTML-отчёта, готового к печати.
Он также охватывает путь **AI-инсайдерской угрозы**: когда противником является передовой AI-агент, развёрнутый внутри организации, навык работает с `list_ai_insider_options` и `get_ai_insider_prompt` вместо цепочки уничтожения. Упражнение сохраняет ту же структуру из шести разделов, но его основой являются область угроз STRIDE и архетип развёртывания, его карта оценок обнаружения оценивается относительно позиции обнаружения этого архетипа, а `required_decisions` шаблона становятся обязательными вопросами для обсуждения.
Разделение труда продумано намеренно: **инструменты данных** MCP предоставляют факты (каждый приём или идентификатор STRIDE прослеживается до результата инструмента), а навык обеспечивает методику упражнения, поэтому он работает на собственной модели вашего клиента **без дополнительного API-ключа**. Подключите MCP-сервер (см. выше), затем укажите клиенту с поддержкой навыков, например Claude Code или Claude Desktop, на каталог [`skills/`](https://github.com/mrwadams/attackgen/blob/main/skills). См. [`skills/README.md`](https://github.com/mrwadams/attackgen/blob/main/skills/README.md) для мест установки и подробностей для каждого клиента.
## Использование
### Запуск AttackGen
#### Вариант 1: Запуск приложения Streamlit локально
1. Запустите приложение Streamlit:```
streamlit run 00_👋_Welcome.py
Эта команда запустит контейнер и пробросит порт 8501 (по умолчанию для приложений Streamlit) из контейнера на вашу хост-машину.
2. Откройте веб-браузер и перейдите по адресу `http://localhost:8501`.
3. Используйте приложение для генерации стандартных или пользовательских сценариев реагирования на инциденты (подробности см. ниже).
### Генерация сценариев
#### Стандартная генерация сценариев
1. Выберите, использовать ли OpenAI API, Anthropic API, Google AI API, Mistral API, Groq API или пользовательскую конечную точку, совместимую с OpenAI (для Ollama, LM Studio, развёртываний Azure OpenAI, OpenRouter и т. д.).
2. Введите ваш API-ключ для выбранного провайдера. Для пользовательского провайдера также укажите базовый URL и название модели.
3. Выберите предпочтительную модель из раскрывающегося списка.
4. Выберите отрасль и размер вашей организации из раскрывающихся меню.
5. Перейдите на страницу `Threat Group Scenarios`.
6. Выберите группу угроз, которую хотите симулировать.
7. Нажмите «Generate Scenario», чтобы создать сценарий реагирования на инцидент.
8. Используйте кнопки 👍 или 👎, чтобы оставить отзыв о качестве сгенерированного сценария. Примечание. Кнопки обратной связи появляются только в том случае, если в файле `.streamlit/secrets.toml` задано значение LANGCHAIN_API_KEY.
#### Генерация пользовательских сценариев
1. Выберите, использовать ли OpenAI API, Anthropic API, Google AI API, Mistral API, Groq API или пользовательскую конечную точку, совместимую с OpenAI.
2. Введите ваш API-ключ для выбранного провайдера. Для пользовательского провайдера также укажите базовый URL и название модели.
3. Выберите предпочтительную модель из раскрывающегося списка.
4. Выберите отрасль и размер вашей организации из раскрывающихся меню.
5. Перейдите на страницу `Custom Scenario`.
6. Используйте поле множественного выбора, чтобы найти и выбрать техники ATT&CK, релевантные вашему сценарию.
7. Нажмите «Generate Scenario», чтобы создать пользовательский сценарий тестирования реагирования на инциденты на основе выбранных техник.
8. Используйте кнопки 👍 или 👎, чтобы оставить отзыв о качестве сгенерированного сценария. Примечание. Кнопки обратной связи появляются только в том случае, если в файле `.streamlit/secrets.toml` задано значение LANGCHAIN_API_KEY.
#### Генерация сценариев ИИ-инсайдерских угроз
1. Выберите поставщика модели и введите соответствующий API-ключ (используйте пользовательского провайдера для развёртываний Azure OpenAI или локальных моделей).
2. Выберите предпочтительную модель из раскрывающегося списка.
3. Выберите отрасль и размер вашей организации из раскрывающихся меню.
4. Перейдите на страницу `AI Insider Threat Scenarios`.
5. (Необязательно) Выберите шаблон, чтобы предварительно заполнить архетип развёртывания, категории угроз и угрозы STRIDE для распространённого сценария.
6. Выберите **архетип развёртывания**, отражающий степень автономности ИИ-агента внутри вашей организации (например, контролируемый ассистент, автономный агент, полностью автономный флот). Это основной фактор, определяющий поверхность угроз агента.
7. Выберите одну или несколько **категорий угроз** (компрометация учётных данных, саботаж цепочки поставок, эксфильтрация данных, саботаж инфраструктуры, обман и уклонение).
8. (Необязательно) Сузьте сценарий до конкретных **угроз STRIDE**. Если оставить поле пустым, автоматически будут использоваться угрозы STRIDE, связанные с выбранными категориями. Это 23 угрозы STRIDE из исходной статьи.
9. (Необязательно) Настройте **возможности фронтирного агента**, выделенные в подсказке.
10. Нажмите «Generate Scenario». Результат включает описание атаки, сопоставленное с идентификаторами STRIDE, возможности обнаружения и рекомендуемые меры контроля в соответствии с NIST CSF.
11. Используйте кнопки 👍 или 👎, чтобы оставить отзыв (требуется LANGCHAIN_API_KEY).
Модель угроз, лежащая в основе этой страницы, описана в статье [*Actions Speak Louder Than Tokens: An Insider Threat Model for Frontier AI Agents*](https://ai-insider-threat.matt-adams.co.uk).
Обратите внимание, что генерация сценариев может занять около минуты. После создания сценария вы можете просмотреть его в приложении, а также скачать в виде файла Markdown.
## Рекомендации по безопасности
AttackGen предназначен для локального однопользовательского развёртывания. При использовании инструмента:
### Защита ваших API-ключей
**Ваши API-ключи — это конфиденциальные учётные данные, которые могут привести к списанию средств с вашего аккаунта.**
✅ **НУЖНО:**
- Вводить API-ключи через интерфейс (они остаются в сессии вашего браузера)
- Использовать файл .env для удобства на вашем личном компьютере
- Устанавливать лимиты расходов в панели управления вашего LLM-провайдера
- Регулярно проверять использование API и расходы
- Очищать сессию при работе на общих компьютерах
❌ **НЕЛЬЗЯ:**
- Коммитить файлы .env в систему контроля версий (они уже в .gitignore)
- Делиться скриншотами с видимыми API-ключами
- Запускать AttackGen на ненадёжных/скомпрометированных системах
- Делиться своими API-ключами с другими
- Игнорировать неожиданные списания за API
### Вопросы конфиденциальности данных
При генерации сценариев AttackGen отправляет данные выбранному LLM-провайдеру:
- Данные об организации (отрасль, размер компании)
- Выбранные техники ATT&CK
- Пользовательский вводимый текст
- Сгенерированные сценарии (через AttackGen Assistant)
**Что это означает:**
- OpenAI, Anthropic и другие могут регистрировать эти данные в соответствии со своей политикой конфиденциальности
- Для демонстраций рассмотрите возможность использования общих/вымышленных данных об организации
- Ознакомьтесь с политиками хранения данных и конфиденциальности вашего LLM-провайдера
- Для чувствительных случаев использования рассмотрите провайдеров с более строгими гарантиями конфиденциальности
### Для развёртываний в команде/организации
Если вы развёртываете AttackGen для нескольких пользователей (не стандартный случай использования):
- Добавьте аутентификацию/авторизацию (не включена по умолчанию)
- Используйте сервис управления секретами для API-ключей
- Развёртывайте за VPN или во внутренней сети
- Ознакомьтесь с этим документом модели угроз для дополнительных соображений
- Учитывайте требования к месту хранения данных и соответствию нормативным требованиям
### Безопасность зависимостей
Мы поддерживаем зависимости и отслеживаем уязвимости:
- Зависимости регулярно обновляются
- Уведомления о безопасности отслеживаются в GitHub Issues
- Запустите `pip list --outdated`, чтобы проверить наличие обновлений
- Рассмотрите возможность использования `pip-audit` для сканирования уязвимостей
### Сообщение о проблемах безопасности
Нашли проблему безопасности? Сообщите о ней ответственно:
- Создайте уведомление о безопасности через [приватный отчёт об уязвимостях GitHub](https://github.com/mrwadams/attackgen/security/advisories/new)
- Не публикуйте проблемы безопасности в открытом доступе
- Мы подтвердим получение в течение 48 часов
- Исправления будут приоритизированы и выпущены быстро
## Вклад в проект
Я очень рад принимать вклад в этот проект. Пожалуйста, не стесняйтесь отправлять issue или pull request.
## Лицензия
Этот проект лицензирован под [GNU GPLv3](https://choosealicense.com/licenses/gpl-3.0/).
| Что нового? | Почему это полезно? |
|---|
| Генерация с приоритетом базового сценария | - Сценарий без ожидания: генерация теперь выполняется поэтапно — базовый сценарий отображается первым с уже активными кнопками Скачать сценарий и Скачать слой ATT&CK Navigator, а дополнительное повествование для фиолетовой команды подгружается после. Если этот второй проход медленный или не нужен, сценарий можно использовать сразу, а не ждать завершения всех этапов. - Входные данные фиксируются при генерации: каждый запуск работает со снимком, сделанным в момент нажатия Generate, поэтому изменение боковой панели во время выполнения не может частично переписать создаваемый сценарий. - Честный прогресс: индикатор прошедшего времени и именованные этапы — подготовка входных данных, генерация базового сценария, создание детерминированных экспортов, генерация повествования для фиолетовой команды — показывают, на каком этапе находится длительный запуск. |
| Нейтральные селекторы без тупиков | - Только рабочие варианты: селекторы групп угроз и тематических исследований теперь предлагают только те варианты, которые действительно создают сценарий, поэтому выбор больше не может привести к тупику. - Естественная сортировка: группы сортируются в естественном числовом порядке, поэтому APT3 идёт перед APT28 и APT30, а не сортируется как текст и не оказывается между ними. |
| Общая боковая панель настройки на каждой странице | - Настройка один раз: провайдер, модель, фреймворк, отрасль и размер компании теперь находятся в единой общей боковой панели Setup на каждой странице сценария — Threat Group, Custom и AI Insider Threat — вместо повторного ввода на каждой из них. - Сохраняется при навигации: несекретные параметры сохраняются при переходе между страницами и отражаются в URL, а ключи API намеренно исключены из строки запроса. |
| Обслуживание платформы и безопасности | - MCP на SDK 2.x: MCP-сервер переведён на SDK mcp 2.x.- Новый базовый образ: образ Docker теперь собирается на основе python:3.14-slim.- Шлюзы CI вместо предупреждений: сканирование безопасности теперь приводит к сбою сборки при обнаружении проблем, а не только сообщает о них — pip-audit и Bandit выступают шлюзами, Trivy больше не ошибочно считает вендорный SBOM pip установленными пакетами, а действующие CVE в образах устранены. GitHub Actions переведены со среды выполнения Node 20, и Dependabot теперь отслеживает сами действия рабочих процессов. |
| Что нового? | Почему это полезно? |
|---|
| Пресет побега из среды оценки и начальное условие сценария | - Репетиция конкретного инцидента: новый шаблон инсайдерской угрозы ИИ отрабатывает сценарий, в котором оценочный агент достигает реальных систем из среды, предполагаемой изолированной, — что вынуждает к изоляции, ротации учётных данных, уведомлению третьих сторон и сохранению доказательств. Он охватывает раскрытия июля 2026 года о побеге оценочных агентов из песочниц, где граница изоляции была предполагаемой, а не enforced. - Шаблоны теперь влияют на промпт: шаблоны быстрого старта ранее только предзаполняли виджеты страницы и никогда не влияли на сгенерированный сценарий. Теперь они содержат повествовательный brief и required_decisions, которые должны обеспечивать вопросы для обсуждения, — всё это включается в промпт, поэтому шаблон создаёт пригодный для использования таймированный таблетоп, а не набор случайных вопросов. Это разделяет их на два класса: шесть оригинальных архетипных шаблонов задают только решения, поэтому модель придумывает предпосылку, и повторный запуск даёт новое упражнение для того же профиля угрозы; инцидентные шаблоны также задают brief, фиксируя ситуацию.- Свободное текстовое начальное условие сценария: необязательное поле начального условия на странице AI Insider Threat направляет повествование для любого сценария. Выбор шаблона предзаполняет его, и вы можете отредактировать его или написать свой с нуля. - Таксономия расширена до 27 угроз / 6 категорий: добавлена шестая категория угроз (Сдерживание и влияние на третьи стороны) и четыре угрозы STRIDE, на которых строится упражнение, — S5 повторное использование скомпрометированных учётных данных рабочей нагрузки, R4 подавление телеметрии на стороне агента, I5 компрометация третьих сторон и нижестоящих систем и E5 отказ гарантии границы сдерживания. AttackGen теперь расширяет опубликованную модель угроз, а не просто отражает её.- Шаблоны доступны через MCP: get_ai_insider_prompt и generate_ai_insider_scenario принимают template= и scenario_seed=, а list_ai_insider_options возвращает каждый шаблон с применяемыми выборами и brief — поэтому клиент может выбрать пресет по достоинствам и вызвать только с шаблоном, отраслью и размером компании. Ранее имена шаблонов перечислялись, но ни один инструмент не принимал их. |
| Навык attackgen-tabletop: путь инсайдерской угрозы ИИ | - Второй путь упражнения: Навык агента теперь строит таблетоп на основе модели инсайдерской угрозы ИИ, а также на основе цепочки уничтожения MITRE. Выберите шаблон быстрого старта (или архетип развёртывания и категории угроз), и он превращает полезную нагрузку get_ai_insider_prompt в MSEL.- Та же форма, другой стержень: упражнение сохраняет те же шесть разделов, но таблица цепочки уничтожения становится профилем агента и областью угроз STRIDE, карточка оценки обнаружения оценивается относительно позиции обнаружения архетипа развёртывания — поэтому строки, которые не сработали бы, становятся выводом — а обязательные решения шаблона становятся обязательными вопросами для обсуждения. - Путь выбирается автоматически: описание навыка теперь срабатывает на формулировки о недобросовестном агенте, поэтому запрос «таблетоп инсайдерской угрозы ИИ» ведёт на правильный путь. Внешний субъект с ускоренными ИИ методами остаётся на пути MITRE. - Реагирование, а не эксплуатация: оба пути явно ограничены отработкой решений, которые должна принимать команда реагирования, — без эксплойт-кода, полезных нагрузок или реальных неисправленных уязвимостей — а путь ИИ объясняет поведение агента конфигурацией, доступом и целью, а не человеческими мотивами. |
| Исправление: MCP-промпты для инсайдерских угроз ИИ теряли возможности агента | - Тот же шаблон, тот же промпт: блок возможностей передового агента — строки, основанные на бенчмарках, которые делают сценарий инсайдерской угрозы ИИ правдоподобным, — опускался в каждом вызове get_ai_insider_prompt / generate_ai_insider_scenario, который не указывал capabilities явно. Ни один шаблон их не предоставляет, поэтому аргумент опускался до пустого значения, и промпт подставлял общую строку «предположим способного передового агента-кодера», в то время как страница 3 отправляла все четыре для того же шаблона.- Значения по умолчанию теперь соответствуют приложению: опускание capabilities применяет полный набор, как это делает мультиселект на странице. Передача [] по-прежнему оставляет их неуказанными, поэтому намеренный отказ не изменился. |
| Исправление: генерация сценариев Anthropic Claude 4.7+ | - Все модели Claude снова работают: Claude 4.7 и более новые отклоняют любую temperature выборки, возвращая BadRequestError: 'temperature' is deprecated for this model. Четыре из пяти перечисленных моделей Anthropic — Fable 5, Opus 4.8, Sonnet 5 и Opus 4.7 — не могли генерировать сценарий ни на одной странице; работал только Haiku 4.5.- Ограничение по модели, а не по провайдеру: правило температуры ранее маршрутизировалось от провайдера, который не может выразить провайдера, чьи модели расходятся во мнениях. ModelInfo.supports_temperature теперь помечает модели, которые её отклоняют, поэтому Haiku 4.5 сохраняет настроенную температуру, а его собратья опускают её. OpenAI остаётся правилом уровня провайдера (каждая текущая чат-модель является моделью рассуждений), а незарегистрированные модели — локальные конечные точки Ollama / LM Studio — по-прежнему получают температуру. |
| Что нового? | Почему это полезно? |
|---|---|
| MCP-сервер для агентных клиентов | - Генерация сценариев как инструменты: новый сервер FastMCP (mcp_server.py, официальный SDK mcp) открывает AttackGen для агентных клиентов через stdio, поэтому ассистент вроде Claude Code или Claude Desktop может получать данные MITRE и генерировать сценарии без интерфейса Streamlit.- Два уровня: Инструменты данных ( list_threat_groups, list_case_studies, get_kill_chain, get_detection_report, get_navigator_layer, list_ai_insider_options, get_ai_insider_prompt) не выполняют вызовов LLM и не требуют ключа API — они возвращают структурированные данные MITRE и, где полезно, готовый к запуску промпт, поэтому их безопасно размещать через HTTP. Инструменты генерации (generate_threat_group_scenario, generate_custom_scenario, generate_ai_insider_scenario) принимают конфигурацию с собственным ключом и возвращают готовый Markdown — держите их на локальном stdio.- Общая реализация: сервер использует те же безголовые конструкторы core/prompts.py и загрузчики core/attack_data.py, что и страницы Streamlit, поэтому сценарии соответствуют приложению, а не расходятся с ним. Запуск через python -m mcp_server или консольный скрипт attackgen-mcp. |
| Навык агента attackgen-tabletop | - Готовые к проведению таблетопы: новый навык агента использует инструменты данных MCP, чтобы превратить группу угроз или тематическое исследование MITRE ATT&CK/ATLAS в полноценный таблетоп ИБ / MSEL — повествование сценария, цепочка уничтожения с привязкой к фазам, инъекции с временными метками, вопросы для обсуждения NIST SP 800-61 и карточка оценки покрытия обнаружения. - Работает на модели вызывающего: навык обеспечивает мастерство упражнения, а MCP-сервер — данные, поэтому он работает на собственной модели клиента без дополнительного ключа API. - Два формата вывода: Markdown (по умолчанию) или автономный HTML-отчёт, пригодный для печати. |
| Ассистент улучшает вывод обнаружения и реагирования | - Редактирование фиолетовой команды: AttackGen Assistant теперь может улучшать повествование Detection & Response, а не только сценарий. Когда сценарий генерируется с переключателем повествования 🟣 Purple-team (страницы Threat Group / Custom), на странице Assistant появляется селектор , чтобы чат мог нацеливаться либо на сценарий, либо на прохождение защитника — ранее у Ассистента был только текст сценария.- Комбинированный режим редактирования: третья цель улучшает оба вместе, поэтому сквозное изменение — другая отрасль, субъект угрозы, техника или временная шкала — применяется согласованно и к сценарию атакующего, и к повествованию защитника, а не делается дважды и не расходится.- Детерминированные факты не затрагиваются: только повествование LLM является целью улучшения; локальное соединение обнаружения STIX никогда не редактируется LLM. Каждый режим редактирования сохраняет свою историю чата, а комбинированный проход помечается в LangSmith. |
| Что нового? | Почему это полезно? |
|---|---|
| Исправление: генерация сценариев OpenAI GPT-5.x | - Корректная обработка моделей рассуждений: модели рассуждений OpenAI GPT-5.x отклоняют любую temperature выборки, отличную от значения по умолчанию, поэтому каждая генерация GPT-5.x завершалась ошибкой BadRequestError: 'temperature' does not support 0.7 with this model. AttackGen больше не отправляет пользовательскую температуру этим моделям, в то время как другие провайдеры сохраняют настроенное значение. |
| Обновление реестра моделей | - Актуальные модели: список моделей обновлён в соответствии с текущей документацией каждого провайдера — OpenAI GPT-5.6 (уровни Sol / Terra / Luna), Claude Fable 5 и Claude Sonnet 5, с сохранением одного предыдущего поколения на провайдера для непрерывности. - Удалены устаревшие записи: удалены модели, которые провайдеры заменили или выводят из эксплуатации, — особенно Groq qwen3-32b (отключена 17 июля 2026 г.) и Mistral Magistral Medium, — чтобы боковая панель не предлагала модель, которая выдаёт ошибку при выборе.- Добавлен быстрый/дешёвый уровень Groq ( llama-3.1-8b-instant). |
| Что нового? | Почему это полезно? |
|---|---|
| Режим фиолетовой команды: обнаружение и реагирование | - Защитный компаньон: каждый сценарий Threat Group и Custom теперь содержит раздел Detection & Response, который связывает каждую технику сценария со стратегиями обнаружения, аналитикой, источниками журналов и мерами смягчения MITRE ATT&CK, уже включёнными в поставляемые данные, — превращая повествование только для красной команды в упражнение фиолетовой команды («вот атака, и вот что именно ваша SOC должна была увидеть»). - Без вызова LLM для фактов: раздел обнаружения — это локальное соединение данных, а не вызов модели, — поэтому перечисленные аналитика, источники журналов и меры смягчения являются реальным текущим содержимым MITRE, а не догадками модели. Он предлагается как отдельная загрузка ..._detection.md вместе со сценарием и слоем.- Источники журналов для включения: сводка по каждому сценарию перечисляет отдельные источники журналов, которые читают обнаружения (например, WinEventLog:Security (EventCode=4624)), поэтому SOC может с первого взгляда увидеть, какую телеметрию предполагает упражнение.- Дополнительное повествование фиолетовой команды: переключатель 🟣 Purple-team narrative на каждой странице добавляет второй проход модели, который проходит сценарий этап за этапом со стороны защитника — что должно срабатывать, что видит аналитик, как реагировать, — строго на основе обнаружений и мер смягчения выше (без выдуманных обнаружений). - С учётом ATLAS: сценарии ATLAS перечисляют меры смягчения (у ATLAS пока нет стратегий обнаружения) и явно об этом говорят, а не показывают пустоту. |
| MITRE ATT&CK v19.1 и актуальные данные ATLAS | - Обновлённые фреймворки: данные MITRE ATT&CK Enterprise и ICS обновлены с v18.1 до v19.1, а MITRE ATLAS обновлён до последнего релиза, поэтому сгенерированные сценарии отражают текущие тактики, техники и тематические исследования. - Обновлённые списки групп: раскрывающиеся списки групп угроз перегенерированы из пакетов v19.1 (174 активные группы Enterprise и 14 ICS). Группы, которые MITRE отозвал или объединил выше по цепочке (например, APT34 → OilRig, UNC2452 → APT29), больше не появляются, в то время как новые отслеживаемые группы, такие как MirrorFace, появляются. - Больше тематических исследований ATLAS: библиотека тематических исследований ATLAS выросла до 57 (17 инцидентов, 40 упражнений). - Повторяемое обновление: новый scripts/generate_groups.py перегенерирует сопоставления групп из поставляемых пакетов STIX, дополняя существующий скрипт тематических исследований ATLAS, — поэтому следующее обновление является скриптовым шагом, а не ручной курацией. |
| Экспорт слоя ATT&CK Navigator | - Загружаемый слой: каждый сгенерированный сценарий на страницах Threat Group и Custom Scenario теперь предлагает слой ATT&CK Navigator () вместе с загрузкой Markdown, поэтому техники сценария можно визуализировать, аннотировать и делиться ими в ATT&CK Navigator. Для просмотра загрузите слой и откройте его через в Navigator.- Все три матрицы: правильный домен Navigator устанавливается автоматически для каждой матрицы — загружайте слои Enterprise и ICS в , а слои ATLAS — в форк . (Слой ATLAS не загрузится в ATT&CK Navigator и наоборот, так как каждый распознаёт только свой домен.)- Техники остаются видимыми: оценённые субтехники автоматически разворачивают родительскую технику, а идентификаторы техник отображаются в макете, поэтому выделенные техники сценария сразу заметны, а не скрыты в свёрнутых строках.- Без дополнительного вызова LLM: слой — это локальная сериализация техник, уже выбранных для сценария, — без дополнительного вызова модели или внешнего поиска.- Информативные имена файлов для загрузки: загрузки сценария и слоя теперь именуются по субъекту угрозы / пользовательскому сценарию и матрице с временной меткой генерации (например, ), поэтому сохранённые файлы осмысленны и не конфликтуют между сценариями. |
| Что нового? | Зачем это полезно? |
|---|---|
| Поддержка фреймворка MITRE ATLAS | - Покрытие угроз ИИ/МО: AttackGen теперь поддерживает фреймворк MITRE ATLAS (Adversarial Threat Landscape for AI Systems), что позволяет генерировать сценарии реагирования на инциденты для угроз, нацеленных на системы ИИ и машинного обучения. - Сценарии на основе кейсов: генерируйте сценарии на основе 45 задокументированных реальных кейсов ИИ-атак, включая 14 фактических инцидентов и 31 исследовательское упражнение, охватывающих такие атаки, как prompt-инъекции, извлечение моделей и отравление данных. - 147 техник ATLAS: доступ к полной библиотеке техник ATLAS, охватывающей 16 специфичных для ИИ тактик, включая доступ к ИИ-моделям, подготовку ИИ-атак и традиционные фазы атак, адаптированные для ИИ-систем. - Специфичные для ИИ шаблоны: шесть новых пользовательских шаблонов сценариев для распространённых атак ИИ/МО: обход модели, отравление данных, извлечение модели, prompt-инъекции, джейлбрейк LLM и атаки на цепочку поставок ИИ. |
| Обновлённые данные MITRE ATT&CK до v18.1 | - Последние данные об угрозах: AttackGen теперь использует данные MITRE ATT&CK v18.1, гарантируя, что сгенерированные сценарии отражают самые актуальные тактики, техники и процедуры, используемые угрозами. - Расширенное покрытие Enterprise: список групп угроз Enterprise вырос с 150+ до 187 групп, включая недавно отслеживаемых субъектов. - Расширенное покрытие ICS: список групп угроз ICS вырос с 7 до 16 групп, обеспечивая лучшее покрытие сценариев для систем промышленного управления. |
| Обновлённая поддержка LLM-моделей | - OpenAI: добавлены модели GPT-5.2 и GPT-5.2 Pro; оптимизирован список моделей путём удаления устаревших моделей рассуждений серии o. - Anthropic: обновлено до семейства Claude 4.5 с Sonnet 4.5, Haiku 4.5 и Opus 4.5. - Google AI: добавлены предварительные модели Gemini 3 Pro и Flash; обновлены опции Gemini 2.5. - Groq: добавлены модели GPT-OSS 120B и 20B для высокопроизводительного вывода. - Mistral: обновлено до датированных версий моделей (Large 2512, Medium 2508, Small 2506); добавлен Ministral 14B. |
| Исправления ошибок | - Исправлена обработка ответов Google AI: обновлён парсинг ответов для обработки структурированного формата контента, возвращаемого новыми моделями Gemini, что гарантирует правильное извлечение и отображение текста сценария. - Исправлены сообщения об ошибках матрицы ICS: сообщения об ошибках теперь корректно отображают «ICS ATT&CK» вместо «Enterprise ATT&CK» при использовании матрицы ICS. - Улучшена обработка пустых техник: добавлена корректная обработка, когда группа угроз не имеет связанных техник, что предотвращает вторичные ошибки. |
| Что нового? | Зачем это полезно? |
|---|---|
| Совместимость с LangChain v1.0 | - Исправлены критические изменения импортов: все импорты обновлены с устаревшего langchain.prompts.chat на langchain_core.prompts, что обеспечивает совместимость с LangChain v1.0 и предотвращает ошибки ModuleNotFoundError. Это сохраняет стабильность по мере развития экосистемы LangChain. |
| Комплексная инфраструктура безопасности | - Автоматизированное сканирование безопасности: внедрены рабочие процессы GitHub Actions для непрерывного мониторинга безопасности с использованием Bandit (анализ Python-кода), CodeQL (обнаружение уязвимостей), pip-audit (сканирование зависимостей), Safety (известные уязвимости), Gitleaks (обнаружение секретов) и Trivy (сканирование Docker-образов). - Документация по лучшим практикам безопасности: добавлен комплексный SECURITY.md, охватывающий поддерживаемые версии, отчётность об уязвимостях, управление API-ключами, вопросы конфиденциальности данных и рекомендации по безопасности развёртывания. - Расширенный раздел безопасности в README: расширены рекомендации по безопасности с чёткими правилами «что делать» и «чего не делать» для защиты API-ключей, вопросами конфиденциальности данных и ответственными практиками развёртывания. |
| Улучшения Docker | - Повышенная безопасность: обновлён Dockerfile для запуска от имени пользователя без прав root, что улучшает позицию безопасности контейнера. - Поддержка Docker Compose: добавлен docker-compose.yml для оптимизированного мультисервисного развёртывания и упрощённой настройки локальной разработки. - Лучшая оптимизация сборки: улучшен .dockerignore для уменьшения размера образа и предотвращения включения чувствительных файлов в контейнерные образы. - Комплексный шаблон конфигурации: обновлён .env.example со всеми поддерживаемыми API-ключами (OpenAI, Anthropic, Azure, Google, Mistral, Groq) для упрощения первоначальной настройки. |
| Исправления ошибок | - Таймаут API Ollama: добавлена конфигурация таймаута для запросов к API Ollama для предотвращения зависания соединений. - Обновления Safety CLI: обновлено с устаревшей команды safety check на новую команду safety scan, что обеспечивает продолжение функциональности сканирования безопасности.- Конфигурация Bandit: исправлена конфигурация сканирования безопасности Bandit для более точного анализа Python-кода. |
| Что нового? | Зачем это полезно? |
|---|---|
| Интеграция OpenAI Responses API | - API следующего поколения: AttackGen теперь использует новейший Responses API OpenAI для всех поддерживаемых моделей, обеспечивая унифицированный и расширенный интерфейс. |
| Поддержка новейших передовых моделей | - Интеграция GPT-5: добавлена поддержка новейшей серии моделей OpenAI GPT-5, включая gpt-5, gpt-5-mini и gpt-5-nano, что обеспечивает доступ к самым продвинутым возможностям ИИ для генерации сценариев. - Claude Sonnet 4.5: добавлена поддержка новейшей модели Anthropic Claude Sonnet 4.5 (claude-sonnet-4-5-20250929), а также обновлённые версии моделей Claude, включая Claude Opus 4.1 (claude-opus-4-1-20250805). |
| Исправления ошибок и улучшения | - Исправлено предупреждение об устаревании Streamlit: устаревший параметр use_container_width заменён новым параметром width для обеспечения совместимости с будущими версиями Streamlit.- Улучшенная документация: обновлён CLAUDE.md с комплексными рекомендациями для будущей разработки и добавлена подробная информация об архитектуре. |
| Что нового? | Зачем это полезно? |
|---|---|
| Расширенная поддержка моделей | - Новейшие модели рассуждений OpenAI: AttackGen теперь поддерживает новейшие модели рассуждений OpenAI, включая o4-mini (новейшая модель рассуждений), o3/o3-mini и o1-pro (расширенные возможности рассуждений). Эти модели превосходны в генерации сложных сценариев, требующих глубокого логического мышления. - Серия GPT-4.1: добавлена поддержка моделей серии GPT-4.1 (gpt-4.1, gpt-4.1-mini и gpt-4.1-nano), предлагающих последние улучшения в общих возможностях ИИ с более лёгкими альтернативами для случаев, чувствительных к стоимости. - Модели Anthropic Claude: добавлена комплексная поддержка моделей Anthropic Claude, включая claude-opus-4-20250514, claude-sonnet-4-20250514, claude-3-7-sonnet-latest и claude-3-5-haiku-latest. Эти модели обеспечивают отличную производительность для генерации детальных и контекстно-осознанных сценариев реагирования на инциденты с сильными возможностями рассуждений. - Обновлённые модели Google AI: обновлён выбор моделей Google AI с включением новейших предварительных моделей Gemini 2.5 (gemini-2.5-flash-preview-05-20 и gemini-2.5-pro-preview-05-06) наряду с моделями Gemini 2.0, что обеспечивает доступ к последним улучшениям технологии Google. - Улучшенная организация моделей: переработаны выпадающие списки выбора моделей для приоритизации новых моделей и обновлены описания для чёткого различения типов и возможностей моделей. |
| Улучшенная логика выбора техник | - Более надёжная обработка групп: исправлена проблема, когда пустые группы угроз могли вызывать ошибки при выборе техник. Инструмент теперь корректно обрабатывает пустые группы, возвращая пустой DataFrame, что обеспечивает стабильную работу даже при ограниченных данных об угрозах. - Сохранение названий фаз: улучшен процесс выбора техник для корректного включения «Phase Name» в вывод, сохраняя информацию о фазе цепочки киллинга на протяжении всего процесса генерации сценария. Это гарантирует, что сгенерированные сценарии сохраняют корректный контекст о том, к какой фазе атаки относится каждая техника. |
| Улучшения среды разработки | - Расширенный .gitignore: добавлена поддержка каталогов виртуального окружения .venv в дополнение к venv, что учитывает различные предпочтения разработчиков и инструменты управления Python-окружениями.- Очистка кода: удалены неиспользуемые импорты в скриптах генерации сценариев, что улучшает поддерживаемость кода и снижает потенциальную путаницу. |
| Что нового? | Зачем это полезно? |
|---|---|
| Пользовательские конечные точки API, совместимые с OpenAI | - Повышенная гибкость: AttackGen теперь поддерживает пользовательские конечные точки API, совместимые с OpenAI, такие как Anyscale, Together AI или любой самостоятельно размещённый совместимый API. Эта функция позволяет пользователям использовать более широкий спектр моделей и сервисов за пределами официально поддерживаемых провайдеров. - Поддержка самостоятельного размещения: организации с собственными развёртываниями моделей, совместимых с OpenAI, теперь могут подключать AttackGen напрямую к этим конечным точкам. - Контроль над выбором моделей: пользователи могут указывать базовый URL, имя модели и API-ключ для любого совместимого сервиса, обеспечивая больший контроль над тем, какие модели и конечные точки используются для генерации сценариев. |
| Обновлённый выбор моделей | - Доступ к новейшим моделям: выбор моделей OpenAI теперь включает новые модели серии GPT-4.1 (gpt-4.1, gpt-4.1-mini, gpt-4.1-nano), предлагающие улучшенную производительность в кодировании, следовании инструкциям и задачах с длинным контекстом. - Расширенная поддержка Gemini: добавлена поддержка новейших моделей Gemini 2.5 Pro Preview, 2.0 Flash и 2.0 Flash Lite. |
| Что нового? | Зачем это полезно? |
|---|---|
| Интеграция Groq API | - Повышенная производительность: AttackGen теперь поддерживает высокопроизводительный API Groq, обеспечивая доступ к таким моделям, как llama-3.3-70b-versatile и deepseek-r1-distill-llama-70b. Эта интеграция предлагает быстрое время вывода при сохранении высокого качества генерации сценариев. - Улучшенное отображение вывода моделей: для таких моделей, как DeepSeek, которые предоставляют рассуждения наряду с выводом, AttackGen теперь отображает эти рассуждения в сворачиваемом виджете-расширителе. Это позволяет пользователям просматривать процесс мышления модели при желании, сохраняя основной вывод сценария чистым и сфокусированным. |
| Обновлённая поддержка моделей OpenAI | - Новейшие модели: AttackGen теперь поддерживает новейшую модель рассуждений OpenAI o3 и версию GA (общая доступность) модели o1, заменяя предыдущую предварительную версию. Эти обновления обеспечивают доступ к более стабильным и улучшенным моделям для генерации сценариев. |
| Что нового? | Зачем это полезно? |
|---|---|
| Поддержка новых моделей «рассуждений» OpenAI | - Расширенная генерация сценариев: AttackGen теперь поддерживает новые модели «рассуждений» OpenAI (o1-preview и o1-mini), что позволяет генерировать очень детальные и нюансированные сценарии реагирования на инциденты. Эти модели обеспечивают улучшенную связность и глубину при создании сценариев. |
| Поддержка матрицы MITRE ATT&CK ICS | - Расширенный охват: AttackGen теперь поддерживает генерацию сценариев тестирования реагирования на инциденты с использованием матрицы MITRE ATT&CK ICS (Industrial Control Systems) в дополнение к матрице Enterprise. Это позволяет пользователям создавать сценарии, адаптированные для промышленных сред и сред критической инфраструктуры. |
| Обновлённые исходные данные ATT&CK до v15.1 | - Новейшие данные об угрозах: инструмент теперь использует самые актуальные данные MITRE ATT&CK (v15.1), гарантируя, что сгенерированные сценарии отражают последние известные тактики, техники и процедуры, используемые угрозами. |
| Обновлённые данные о группах угроз | - Комплексное покрытие: данные о группах обновлены с включением последних групп, отслеживаемых в MITRE ATT&CK, таких как Scattered Spider. Это гарантирует, что пользователи могут генерировать сценарии на основе самой актуальной доступной информации об угрозах. |
| Загрузка API-ключей / секретов из файла .env | - Повышенная безопасность: пользователи теперь могут хранить свои API-ключи и другую чувствительную информацию в файле .env, что улучшает безопасность и упрощает управление учётными данными в различных средах. |
| Что нового? | Зачем это полезно? |
|---|---|
| Поддержка модели GPT-4o mini | - Расширенные опции моделей: AttackGen теперь поддерживает использование модели OpenAI GPT-4o mini. GPT4-o mini — это высокоэкономичная компактная модель. |
| Обновлённый выбор моделей для Google AI API | - Расширенные опции моделей: AttackGen теперь поддерживает стабильные и предварительные версии Gemini 1.5 Pro. |
| Что нового? | Зачем это полезно? |
|---|---|
| Поддержка модели GPT-4o | - Расширенные опции моделей: AttackGen теперь поддерживает использование модели OpenAI GPT-4o. GPT4-o — ведущая модель OpenAI, способная генерировать сценарии вдвое быстрее, чем GPT-4, при вдвое меньшей стоимости. |
| Что нового? | Зачем это полезно? |
| ----------- | ---------------- |
| AttackGen Assistant | - Итеративное уточнение сценариев: Новый чат-интерфейс позволяет пользователям взаимодействовать со сгенерированными сценариями реагирования на инциденты, что упрощает их обновление и задавание вопросов о сценарии без необходимости перегенерировать его с нуля. Эта функция обеспечивает итеративный подход к разработке сценариев, позволяя пользователям уточнять и улучшать свои сценарии на основе ответов ИИ-ассистента. - Контекстная помощь: ИИ-ассистент отвечает на запросы пользователей на основе контекста сгенерированного сценария и истории разговора. Это гарантирует, что ответы ассистента релевантны и полезны для уточнения сценария. |
| Шаблоны быстрого старта для пользовательских сценариев | - Быстрая генерация сценариев: Пользователи теперь могут быстро генерировать пользовательские сценарии реагирования на инциденты на основе предопределённых шаблонов для распространённых типов киберинцидентов, таких как фишинговые атаки, атаки программ-вымогателей, заражение вредоносным ПО и инсайдерские угрозы. Эта функция упрощает создание реалистичных сценариев без необходимости выбирать отдельные техники ATT&CK. - Оптимизированный рабочий процесс: Выбор шаблона бесшовно интегрирован в процесс генерации пользовательских сценариев. Пользователи могут выбрать шаблон, который автоматически заполняет соответствующие техники ATT&CK, а затем дополнительно настроить сценарий при необходимости. |
| Интеграция Google AI API | - Расширенные варианты моделей: AttackGen теперь поддерживает использование моделей Gemini от Google для генерации сценариев реагирования на инциденты. Эта интеграция расширяет диапазон высококачественных моделей, доступных пользователям, позволяя им использовать возможности ИИ от Google для создания реалистичных и разнообразных сценариев. |
| Что нового? | Зачем это полезно? |
|---|---|
| Интеграция Mistral API | - Альтернативный поставщик моделей: Пользователи теперь могут использовать модели Mistral AI для генерации сценариев реагирования на инциденты. Эта интеграция предоставляет альтернативу моделям OpenAI и Azure OpenAI Service, позволяя пользователям изучать и сравнивать производительность различных языковых моделей для своего конкретного случая использования. |
| Поддержка локальных моделей с помощью Ollama | - Локальный хостинг моделей: AttackGen теперь поддерживает использование локально размещённых LLM через интеграцию с Ollama. Эта функция особенно полезна для организаций со строгими требованиями к конфиденциальности данных или тех, кто предпочитает хранить свои данные локально. Обратите внимание, что эта функция недоступна для пользователей версии AttackGen, размещённой на Streamlit Community Cloud по адресу https://attackgen.streamlit.app |
| Опциональная интеграция LangSmith | - Повышенная гибкость: Интеграция с LangSmith теперь опциональна. Если ключ API LangChain не предоставлен, пользователи увидят информационное сообщение о том, что запуск не будет записан LangSmith, вместо возникновения ошибки. Это изменение улучшает общий пользовательский опыт и позволяет пользователям продолжать использовать AttackGen без необходимости в LangSmith. |
| Различные исправления ошибок и улучшения | - Улучшенный пользовательский опыт: Этот релиз включает несколько исправлений ошибок и улучшений пользовательского интерфейса, делая AttackGen более удобным и надёжным. |
| Что нового? | Зачем это полезно? |
|---|---|
| Интеграция Azure OpenAI Service | - Расширенная интеграция: Пользователи теперь могут выбирать использование моделей OpenAI, развёрнутых на Azure OpenAI Service, в дополнение к стандартному OpenAI API. Эта интеграция предлагает бесшовное и безопасное решение для включения AttackGen в существующие экосистемы Azure, используя установленные коммерческие соглашения и соглашения о конфиденциальности. - Улучшенная безопасность данных: Запуск AttackGen из Azure гарантирует, что описания приложений и другие данные остаются в среде Azure, что делает его идеальным для организаций, обрабатывающих чувствительные данные в своих моделях угроз. |
| LangSmith для Azure OpenAI Service | - Улучшенная отладка: Трассировка LangSmith теперь доступна для сценариев, сгенерированных с использованием Azure OpenAI Service. Эта функция предоставляет мощный инструмент для отладки, тестирования и мониторинга производительности модели, позволяя пользователям получать представление о процессе принятия решений моделью и выявлять потенциальные проблемы со сгенерированными сценариями. - Обратная связь пользователей: LangSmith также собирает отзывы пользователей о качестве сценариев, сгенерированных с использованием Azure OpenAI Service, предоставляя ценную информацию о производительности модели и удовлетворённости пользователей. |
| Выбор модели для OpenAI API | - Гибкие варианты моделей: Пользователи теперь могут выбирать из нескольких моделей, доступных через конечную точку OpenAI API, таких как gpt-4-turbo-preview. Это позволяет более широкую настройку и экспериментирование с различными языковыми моделями, давая пользователям возможность найти наиболее подходящую модель для своего конкретного случая использования. |
| Образ контейнера Docker | - Простое развёртывание: AttackGen теперь доступен как образ контейнера Docker, что упрощает развёртывание и запуск приложения в согласованной и воспроизводимой среде. Эта функция особенно полезна для пользователей, которые хотят запускать AttackGen в контейнеризированной среде, или для тех, кто хочет развернуть приложение на облачной платформе. |
| Что нового? | Зачем это полезно? |
|---|---|
| Пользовательские сценарии на основе техник ATT&CK | - Для зрелых организаций: Эта функция особенно полезна, если ваша организация обладает расширенными возможностями анализа угроз. Например, если вы отслеживаете недавно выявленную или малоизвестную группу угроз, вы можете адаптировать сценарии тестирования реагирования на инциденты под конкретные техники, используемые этой группой. - Целенаправленное тестирование: Альтернативно, используйте эту функцию, чтобы сосредоточить тестирование реагирования на инциденты на конкретных частях цепочки кибератак или определённых тактиках MITRE ATT&CK, таких как «Lateral Movement» или «Exfiltration». Это полезно для организаций, стремящихся оценить и улучшить конкретные области своей оборонительной позиции. |
| Обратная связь пользователей о сгенерированных сценариях | - Сбор обратной связи необходим для отслеживания производительности модели с течением времени и помогает выявить сильные и слабые стороны в задачах генерации сценариев. |
| Улучшенная обработка ошибок при отсутствии ключей API | - Улучшенный пользовательский опыт. |
Замена виджетов Streamlit st.spinner на новый виджет st.status | - Обеспечивает лучшую видимость длительных процессов (т.е. генерации сценариев). |
Первоначальный релиз.
purple_team_narrative| Упрощённый реестр моделей | - Одним пунктом меньше для каждой модели: kwarg max_completion_tokens и правило температуры для моделей рассуждений теперь маршрутизируются от провайдера, а не через флаг uses_max_completion_tokens для каждой модели — каждая текущая чат-модель OpenAI использует их, поэтому флаг дублировал факт, который уже фиксировал ключ провайдера. Добавление новой модели OpenAI остаётся правкой одной записи в MODELS без дополнительного флага, который нужно помнить.- Без изменения поведения: только внутреннее упрощение — обёртка строит идентичные kwargs LiteLLM для каждой текущей модели. |
.jsonAttackGen_APT29_Enterprise_20260714-153045.md| Что нового? | Зачем это полезно? |
| ----------- | ----------------- |
| Сценарии ИИ-инсайдерских угроз | - Новый тип сценария: выделенная страница генерирует настольные упражнения по реагированию на инциденты, в которых передовой ИИ-агент, развёрнутый внутри вашей организации, ведёт себя как инсайдерская угроза — через рассогласование целей, взлом вознаграждения, возникающие цели или компрометацию через prompt-инъекции. Основано на модели угроз из Actions Speak Louder Than Tokens: An Insider Threat Model for Frontier AI Agents. - Управляется архетипом развёртывания: сценарии формируются уровнем автономии агента (L1 контролируемый ассистент → L4 полностью автономный флот), который является основным фактором, определяющим его поверхность атаки и позицию обнаружения. - Пять категорий инсайдерских угроз: компрометация учётных данных, саботаж цепочки поставок, эксфильтрация данных, саботаж инфраструктуры, а также обман и уклонение — каждая сопоставлена с конкретными проявлениями ИИ-агентов, а не человеческими мотивами. - 23 угрозы STRIDE для ИИ-агентов: полная таксономия STRIDE (спуфинг, подмена, отказ от авторства, раскрытие информации, отказ в обслуживании, повышение привилегий), адаптированная для передовых ИИ-агентов, опционально используемая для сужения области сценария. - Контроли, согласованные с NIST CSF: сгенерированные сценарии включают приоритизированные меры смягчения, сопоставленные с NIST Cybersecurity Framework (Identify, Protect, Detect, Respond, Recover). - Паритет провайдеров: поддерживается тот же набор провайдеров, что и в остальной части AttackGen, с опциональным трассированием LangSmith. |
| Миграция на LiteLLM и консолидация провайдеров | - Единая LLM-обёртка: вся интеграция провайдеров теперь проходит через единую обёртку core/llm.py, использующую LiteLLM. Добавление новой модели — это правка одной строки в списке MODELS в core/models.py; добавление провайдера — одна запись ProviderInfo. Повторяет шаблон, используемый в stride-gpt.- Значительное сокращение кода: удалено ~3 800 строк дублирующегося ветвления по провайдерам на четырёх страницах (~1 000 строк блоков if model_provider == ... плюс восемь почти идентичных функций-обёрток на страницу). Теперь каждая страница строит простые словари сообщений и вызывает call_llm(config, messages).- Боковая панель на основе реестра: боковая панель Welcome теперь генерируется из реестра провайдеров, заменяя восемь блоков провайдеров, написанных вручную, одним циклом. - Обновлённые списки моделей: обновлены до последних моделей — семейство OpenAI GPT-5.5 / 5.4, Anthropic Claude 4.6 / 4.7 / 4.8, предварительные версии Google Gemini 3.x, Mistral Large 3 / Magistral, Groq GPT-OSS и Qwen3. - Консолидация провайдеров: отдельные записи Azure OpenAI Service и Ollama заменены единым вариантом Custom (OpenAI-compatible). Развёртывания Azure, Ollama ( http://localhost:11434/v1), LM Studio (http://localhost:1234/v1), OpenRouter и самостоятельно размещённые конечные точки работают через этот единый путь.- Меньший объём зависимостей: удалены пакеты langchain, langchain-anthropic, langchain-core, langchain-community, langchain-google-genai, langchain-mistralai, langchain-openai и anthropic — заменены единственной зависимостью litellm>=1.40. langsmith сохранён для опционального трассирования.- Сохранено трассирование LangSmith: декоратор @traceable и виджет обратной связи продолжают работать прозрачно; core/llm.py оборачивает call_llm в @traceable, когда доступен клиент LangSmith. |
| Обновление безопасности Docker-образа | - Обновлённый базовый образ: обновлён digest python:3.12-slim для устранения устаревших CVE слоёв ОС, выявленных сканированием кода Trivy, что снижает количество открытых предупреждений против опубликованного контейнерного образа.- Исправление pip CVE-2025-8869: pip теперь обновляется перед установкой зависимостей, получая исправление для отсутствующих проверок символических ссылок при извлечении пакетов. |
| Потоковый вывод LLM | - Генерация токен за токеном: сценарии и чат AttackGen Assistant теперь передают токены по мере их поступления, а не блокируются до получения полного ответа, поэтому длинные генерации ощущаются отзывчивыми, и вы можете читать по мере того, как модель пишет. - Опциональный потоковый API: добавлен call_llm_stream рядом с call_llm в единой обёртке LiteLLM, поэтому вызывающие стороны выбирают, использовать ли потоковую передачу, не меняя остальной контракт.- Чистая обработка рассуждений: вспомогательная функция с состоянием stream_filter_thinking подавляет области <think>...</think> в живом представлении, в то время как пост-потоковый clean_model_response продолжает заполнять расширяемый блок рассуждений из полного необработанного текста. |
| Переключатель противника с ИИ-усилением | - Новый переключатель на страницу: добавлен переключатель «AI-enhanced adversary» на страницах Threat Group и Custom Scenario, который переформатирует сгенерированный сценарий так, чтобы противник использовал ИИ для ускорения и усиления той же цепочки киллинга — сниженный порог навыков, сжатые сроки, автономная оркестрация и параллельный масштаб — вместо внедрения новых техник. - Основано на исследованиях Anthropic: основано на исследовании Anthropic LLM ATT&CK Navigator, которое показало, что наиболее значимым сдвигом в реальных киберугрозах является ускорение и оркестрация существующих техник, а не появление новых. - Видимость трассировки: сценарии помечены тегом ai_enhanced в LangSmith, чтобы ИИ-усиленные генерации можно было фильтровать и сравнивать с базовыми запусками.- Намеренно пропущено на странице AI Insider Threat: угрозой на этой странице уже является передовой ИИ-агент, поэтому рамка «ИИ-усиление» была бы избыточной. |
| Исправления ошибок и улучшения | - Этот выпуск включает несколько небольших исправлений UI-полировки и рендеринга на страницах сценариев и боковой панели. |