AI导哈

渗透测试推理引擎

PentestThinkingMCP是一个AI驱动的渗透测试推理引擎，用于攻击路径规划、CTF/HTB解决和自动化渗透测试工作流程，支持Beam Search和MCTS算法。

  • by LT7T
  • 本地部署
  • 更新于
在 GitHub 查看 lt7t/secmcp

使用说明

Pentest ThinkingMCP

一个系统化的、由人工智能驱动的渗透测试推理引擎（MCP服务器），用于攻击路径规划、CTF/HTB求解和自动化渗透测试工作流程。功能包括波束搜索、MCTS、攻击步数评分和工具推荐。

什么是PentestThinkingMCP？

Pentest ThinkingMCP 是一种先进的模型上下文协议（MCP）服务器，旨在为人类和人工智能五酯提供支持。它提供：

  • 使用波束搜索和蒙特卡洛树搜索（MCTS）的自动攻击路径规划
  • CTF、Hack The Box（HTB）和现实世界渗透测试的逐步推理
  • 攻击步骤评分和优先级
  • 每个步骤的工具建议（例如nmap、metasploit、linpeas）
  • 突出显示最有前景的漏洞利用链的关键路径
  • 基于树的报告和文档推理

为什么它很特别？

  • 将LLM提升到一个新的水平： 将普通的法学硕士转变为结构化、有条不紊的最重要的规划师和顾问
  • 自动化复杂推理： 发现多阶段攻击链，而不仅仅是单个漏洞
  • 适用于CTF、HTB和现实世界的渗透测试： 适应任何需要逐步攻击逻辑的场景
  • 弥合人工智能和黑客之间的差距： 使人工智能成为进攻性安全的真正合作伙伴

特性

  • 攻击建模的双重搜索策略：
    • 具有可配置宽度的波束搜索（用于有条不紊地发现漏洞链）
    • 复杂决策空间的MCTS（用于未知的动态攻击场景）
  • 证据/漏洞评分和评估
  • 基于树的攻击路径分析
  • 潜在攻击向量的统计分析
  • MCP协议合规性

它是如何工作的？

  1. 输入：
    您（或您的AI）提供当前的攻击步骤/状态（例如，“在10.10.10.10上枚举SMB”）。
  2. 推理：
    服务器使用Beam Search或MCTS来探索可能的下一步，对其进行评分和优先级排序。
  3. 输出：
    返回下一个最佳攻击步骤、完整攻击链、推荐工具，并突出显示关键路径。

示例工作流：求解HTB机器

  1. 侦察：
    输入： attackStep: "Start with initial recon on 10.10.10.10"
    输出： Run nmap -p- 10.10.10.10 （推荐工具：nmap）
  2. 枚举：
    输入： attackStep: "Run nmap -p- 10.10.10.10"
    输出： Enumerate SMB on port 445 （推荐工具：enum4linux）
  3. 漏洞分析：
    输入： attackStep: "Enumerate SMB on port 445"
    输出： Search for public SMB exploits (CVE-2017-0144) （推荐工具：searchsploit）
  4. 开采：
    输入： attackStep: "Search for public SMB exploits (CVE-2017-0144)"
    输出： Exploit SMB with EternalBlue (CVE-2017-0144) （推荐工具：metasploit）
  5. 特权升级：
    输入： attackStep: "Got shell as user"
    输出： Run winPEAS for privilege escalation checks （推荐工具：winPEAS）
  6. 根/标志：
    输入： attackStep: "Found user.txt, need root"
    输出： Check for AlwaysInstallElevated misconfiguration （推荐工具：人工调查）

安装

git clone https://github.com/ibrahimsaleem/PentestThinkingMCP.git
cd PentestThinkingMCP
npm install
npm run build

用法

  • 添加到您的MCP客户端（Cursor、Claude Desktop等）作为服务器：
    {
  "mcpServers": {
    "pentestthinkingMCP": {
      "command": "node",
      "args": ["path/to/pentestthinkingMCP/dist/index.js"]
    }
  }
}
  • 通过发送攻击步骤和接收下一步建议、工具建议和攻击路径树与之交互。

Pentesting的搜索策略

波束搜索

  • 维护一组固定宽度的最有希望的攻击路径或漏洞链。
  • 最适合逐步进行漏洞利用开发和已知漏洞模式匹配。
  • 最适合：枚举攻击向量、有条不紊的漏洞链接、逻辑漏洞寻路。

蒙特卡洛树搜索（MCTS）

  • 基于仿真的潜在攻击面探索。
  • 在探索新的攻击媒介和利用已知弱点之间取得平衡。
  • 最适合：复杂的网络渗透测试、结果不确定的场景、高级持续威胁（APT）模拟。

算法详细信息

  1. 攻击向量选择
    • 波束搜索：评估并排名多个潜在的攻击路径或漏洞利用链。
    • MCTS：使用UCT进行节点选择（潜在的漏洞利用步骤）和随机部署（模拟攻击进程）。
  2. 证据/漏洞评分基于：
    • 可利用的可能性
    • 潜在影响（CIA三联）
    • CVSS分数或类似指标
    • 攻击链中的连接强度（例如，漏洞A能够利用漏洞B）
  3. 流程管理
    • 基于树的攻击进展状态跟踪
    • 成功/失败模拟攻击路径的统计分析
    • 根据最重要的目标进行进度监控

用例

  • 自动漏洞识别和链接
  • 利用寻路和优化
  • 攻击场景模拟和“如果”分析
  • 红队战略制定与细化
  • 通过建议潜在途径协助手动渗透测试
  • 复杂攻击向量的决策树探索
  • 实现特定最重要目标的策略优化（例如，数据泄露、特权升级）

许可证

麻省理工学院

相关 MCP