基于本地大语言模型的人工智能渗透测试助手（适用于Parrot OS Linux系统）
Metatron 是一个基于命令行的 AI 渗透测试助手，完全在您的本地机器上运行——无需云端、无需 API 密钥、无需订阅。
您只需提供目标 IP 或域名。它会运行真实的侦察工具（nmap、whois、whatweb、curl、dig、nikto），将所有结果输入本地运行的 AI 模型，AI 分析目标、识别漏洞、建议利用方法并推荐修复方案。所有内容都会保存到 MariaDB 数据库中，并包含完整的扫描历史。
metatron-qwen 通过 Ollama 驱动，100% 离线运行Metatron 允许您通过选择 '2.查看历史记录' -> 选择序号并导出，将扫描结果导出为简洁、可分享的报告格式
主菜单
针对目标运行的侦察工具
metatron-qwen 分析扫描结果
保存到数据库中的漏洞
将扫描结果导出为 PDF 和/或 HTML
git clone https://github.com/sooryathejas/METATRON.git
cd METATRON
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
sudo apt install nmap whois whatweb curl dnsutils nikto
curl -fsSL https://ollama.com/install.sh | sh
ollama pull huihui_ai/qwen3.5-abliterated:9b
⚠️ 此模型至少需要 8.4 GB 内存。如果您的系统内存不足，请使用 4b 变体：
ollama pull huihui_ai/qwen3.5-abliterated:4b然后编辑
Modelfile，将 FROM 行修改为 4b 模型。
仓库中包含一个 Modelfile，它使用渗透测试专用参数对基础模型进行微调：
ollama create metatron-qwen -f Modelfile
这将创建您的本地 metatron-qwen 模型，具有：
ollama list
您应该能在列表中看到 metatron-qwen。
sudo systemctl start mariadb
sudo systemctl enable mariadb
mysql -u root
CREATE DATABASE metatron;
CREATE USER 'metatron'@'localhost' IDENTIFIED BY '123';
GRANT ALL PRIVILEGES ON metatron.* TO 'metatron'@'localhost';
FLUSH PRIVILEGES;
EXIT;
mysql -u metatron -p123 metatron
CREATE TABLE history (
sl_no INT AUTO_INCREMENT PRIMARY KEY,
target VARCHAR(255) NOT NULL,
scan_date DATETIME NOT NULL,
status VARCHAR(50) DEFAULT 'active'
);
CREATE TABLE vulnerabilities (
id INT AUTO_INCREMENT PRIMARY KEY,
sl_no INT,
vuln_name TEXT,
severity VARCHAR(50),
port VARCHAR(20),
service VARCHAR(100),
description TEXT,
FOREIGN KEY (sl_no) REFERENCES history(sl_no)
);
CREATE TABLE fixes (
id INT AUTO_INCREMENT PRIMARY KEY,
sl_no INT,
vuln_id INT,
fix_text TEXT,
source VARCHAR(50),
FOREIGN KEY (sl_no) REFERENCES history(sl_no),
FOREIGN KEY (vuln_id) REFERENCES vulnerabilities(id)
);
CREATE TABLE exploits_attempted (
id INT AUTO_INCREMENT PRIMARY KEY,
sl_no INT,
exploit_name TEXT,
tool_used TEXT,
payload LONGTEXT,
result TEXT,
notes TEXT,
FOREIGN KEY (sl_no) REFERENCES history(sl_no)
);
CREATE TABLE summary (
id INT AUTO_INCREMENT PRIMARY KEY,
sl_no INT,
raw_scan LONGTEXT,
ai_analysis LONGTEXT,
risk_level VARCHAR(50),
generated_at DATETIME,
FOREIGN KEY (sl_no) REFERENCES history(sl_no)
);
运行 Metatron 需要 两个终端标签页。
ollama run metatron-qwen
等待直到看到 >>> 提示符。这表示模型已加载到内存并准备就绪。您可以保持此终端在后台运行。
cd ~/METATRON
source venv/bin/activate
python metatron.py
1. 显示主菜单：
[1] 新建扫描
[2] 查看历史记录
[3] 退出
2. 选择 [1] 新建扫描 → 输入目标：
[?] 输入目标 IP 或域名：192.168.1.1
或
[?] 输入目标 IP 或域名：example.com
3. 选择要运行的侦察工具：
[1] nmap
[2] whois
[3] whatweb
[4] curl 头部信息
[5] dig DNS
[6] nikto
[a] 运行全部（不包括 nikto）
[n] 运行全部 + nikto（较慢）
4. Metatron 运行工具，将结果输入 AI，并打印分析结果。
5. 所有内容自动保存到 MariaDB。
6. 扫描后，您可以编辑或删除任何结果。
METATRON/
├── metatron.py ← 主 CLI 入口点
├── db.py ← MariaDB 连接及所有 CRUD 操作
├── tools.py ← 侦察工具运行器（nmap、whois 等）
├── llm.py ← Ollama 接口和 AI 工具调度循环
├── search.py ← DuckDuckGo 网络搜索和 CVE 查询
├── Modelfile ← metatron-qwen 的自定义模型配置
├── requirements.txt ← Python 依赖
├── .gitignore ← 排除 venv、pycache、数据库文件
├── LICENSE ← MIT 许可证
├── README.md ← 本文件
└── screenshots/ ← 用于文档的终端截图
所有 5 张表通过 history 表中的 sl_no（会话编号）关联：
history ← 每个扫描会话对应一行（sl_no 是主键）
│
├── vulnerabilities ← 发现的漏洞，通过 sl_no 关联
│ │
│ └── fixes ← 每个漏洞的修复方案，通过 vuln_id + sl_no 关联
│
├── exploits_attempted ← 尝试的利用方法，通过 sl_no 关联
│
└── summary ← 完整的 AI 分析输出，通过 sl_no 关联
本工具仅供 教育目的和授权渗透测试 使用。
Soorya Thejas
本项目采用 MIT 许可证授权 — 详见 LICENSE 文件。
| 组件 | 技术 |
|---|
| 编程语言 | Python 3 |
| AI 模型 | metatron-qwen（微调版 Qwen 3.5） |
| 基础模型 | huihui_ai/qwen3.5-abliterated:9b |
| LLM 运行环境 | Ollama |
| 数据库 | MariaDB |
| 操作系统 | Parrot OS（基于 Debian） |
| 搜索引擎 | DuckDuckGo（免费，无需密钥） |