PenTest și Red Team cu AI Open Source

Majoritatea oamenilor cred că instrumentele de pentesting bazate pe IA se axează pe rapiditate. Nu este așa. Acestea se concentrează asupra comprimării procesului de luare a deciziilor. Am analizat evoluția framework-urilor moderne de pentesting alimentate cu IA, și un anumit model este vizibil cu claritate:

• Ce trebuie ignorat: Într-o situație reală de testare, instrumentele generează mult mai multe semnale decât valori utile. Abilitatea nu constă în a găsi totul. Testerii experimentați știu că urmăritul fiecărei anomalii consuma timp, împarte atenția și întârzie descoperirile semnificative! Ignorarea elementelor adecvate este o decizie de judecată, nu una tehnică.
• Ce trebuie escaladat: Nu fiecare descoperire merită același nivel de atenție. Deciziile de escaladare depind de contextul business-ului, de potențialul de legătură a atacurilor, de restricțiile de timp și de probabilitatea de exploatare în lumea reală. Aici intervine raționamentul uman! Escaladarea se axează pe impact, nu pe scorurile de severitate.
• Ce nu trebuie automatizat: Automatizarea este puternică, dar poate fi periculoasă atunci când este aplicată în mod incorect. Unele sarcini nu ar trebui automatizate, deoarece implică interpretarea unor aspecte complexe, navigarea limitelor etice, luarea unor decizii care implică evaluarea riscurilor în contextul specific sau abordarea sensibilităților clienților sau ale afacerii.

Cele mai mature echipe automatizează execuția, păstrând în același timp autoritatea de luare a deciziilor la nivel uman.

Pentru a susține aceste decizii, framework-urile moderne nu mai sunt construite ca si „conversații inteligente”. În schimb, ceea ce se remarca este:

• Mode structurate, nu chat
• Separare clară între asistență, agent autonom individual și echipaj multi-agent.
• Notele persistente și memoria care determină următoarea acțiune, nu doar următoarea comandă.
• Grafuri de cunoaștere care conectează rezultatele dintre etape
• Manualele de joc care codifică metodologia, nu doar executia unor instrumente

În opinia mea, aceste instrumente nu sunt menite să înlocuiască judecata; ele sunt concepute pentru a scurta intervalul de timp dintre observare și luarea deciziei. Cel puțin pentru moment!

Instrument 1: HexStrikeAI : (Prompt → Orchestrează → Execută → Feedback)

GitHub – 0x4m4/hexstrike-ai: HexStrike AI MCP Agents este un server MCP avansat care permite agenților de IA…

HexStrike AI se prezintă ca o platformă de automatizare a testelor de penetrare la scară mare, alimentată cu inteligență artificială și construită în jurul Protocolului Contextual al Modelului (MCP). În centrul activității sale, HexStrike se concentrează pe:

• Conectarea LLM-urilor la un arsenal vast de instrumente fundamentale de securitate
• Folosirea mai multor agenți AI specializați pentru a selecta instrumente, optimiza parametri și lega acțiuni în lanț.
• Efetuarea evaluărilor în cadrul rețelei, web, cloud, binari și scenarii de tip CTF.

Cum gândește HexStrike AI?

1- Solicitare utilizator (Definirea intenției): Angajamentul începe cu o intenție umană clară. Aici se stabilesc scopul, contextul de autorizare și obiectivele testării.

2- Procesarea LLM prin MCP (Rutare a deciziilor): În loc de un singur agent monolitic, cererea este dirijată prin MCP către agenți specializați. Aici au loc selectarea instrumentelor, ajustarea parametrilor și raționamentul pentru pasul următor.

3- Executare a testelor (Tooling real, rezultate reale): HexStrike execută instrumente ofensive reale — de rețea, web, cloud, binare, OSINT — și nu rezultate simulate. Executarea este considerată o acțiune, nu propria decizie.

4- Ciclu de feedback (Iterație adaptativă): Rezultatele se reîntorc în sistem, influențând ce urmează să fie executat, ce trebuie omis și ce trebuie escaladat.

Acest ciclu se repetă până când sarcina este finalizată sau până când intervine intervenția umană. HexStrike nu încearcă să înlocuiască judecata specialistului în testare a vulnerabilităților. El încearcă, prin intermediul următorului proces, să reducă distanța dintre observare și acțiune:

• Coordonarea multor instrumente sub o singură strat de raționament
• Folosirea mai multor agenți specializați în loc de un singur „hacker AI” generic.
• Tratând execuția ca pe o etapă în cadrul unui ciclu de decizie, nu ca scop final.

Instrument 2: Shannon : (Observă Codul → Ipotezează → Exploatează → Demonstrează)

GitHub – KeygraphHQ/shannon: Un hacker AI complet autonom care găsește explozii reale în aplicațiile web ale dumneavoastră…

Shannon se prezintă ca un tester de penetrare AI complet autonom, de tip „white box”, având un obiectiv specific: furnizarea de exploit-uri reale și reproducibile — nu doar avertizări.

Spre deosebire de platformele care se bazează pe orchestrare intensă, Shannon este optimizat pentru validarea exploit-urilor. El presupune accesul la codul sursă al aplicației și folosește acest context pentru a direcționa atacuri dinamice, bazate pe scenarii reali, împotriva unui obiectiv în funcționare.

În esență, Shannon se concentrează asupra:

• Combinarea conștientizării codului sursă cu exploatarea în timp real
• Executarea atacurilor într-un browser și prin linia de comandă pentru a demonstra impactul
• Aplicarea unei filosofii stricte „fără exploatare, fără raportare”
• Desfășurarea evaluărilor structurate și etapizate cu intervenția umană minimă

Cum gândește Shannon?

1- Recunoaștere Sensibilă la Sursă (Construirea Contextului): Angajamentul începe cu o vizibilitate completă asupra codului aplicației și a structurii repositoriului. Shannon dezvoltă o înțelegere a rutelor, fluxurilor de date, logicii de autentificare și a suprafețelor de atac înainte de a trecerea la exploatare.

2- Generarea ipotezelor de vulnerabilitate (Raționament): În baza calelor de cod și comportamentului la execuție, Shannon formulează ipoteze privind condițiile exploatabile, inclusiv punctele de injecție, caleele de evitare a autentificării, candidații la SSRF și defectele de autorizare.

3- Exploatare autonomă (Proof-by-Execution): În loc să se oprească la detectare, Shannon încearcă exploit-uri reale folosind automatizarea browserului și instrumente de linie de comandă. Dacă exploatarea nu reușește, descoperirea este abandonată.

4- Raportare cu Dovezi (Validare): Doar problemele exploate cu succes sunt incluse în output-ul final, complet cu probe de concept reproducibile și rapoarte axate pe impact.

Acest ciclu funcționează în mod autonom de la început până la sfârșit, cu implicarea umană majoritar doar la etapa de setare și verificare.

Instrument 3: PentestAgent : (Decizie de cadru → Delegare a sarcinii → Coordonarea agenților → Sintetizarea insight-ului)

GitHub – GH05TCREW/pentestagent: PentestAgent este un framework de agenți cu inteligență artificială pentru securitatea bazată pe black box…

PentestAgent se prezintă ca un framework de testare a vulnerabilităților bazat pe agenți, centrat pe o idee fundamentală: structurarea procesului de luare a deciziilor în timpul unei teste de penetrare, în loc să se limiteze doar la automatizarea execuției.

• Asistență → condusă de om
• Agent → o sarcină limitată
• Echipaj → subtaskuri coordonate

În loc să împingă autonomia la limită, PentestAgent introduce puncte de control explicite care permit oamenilor să decidă cât de multă independență este adecvată în orice moment dat. În esență, PentestAgent se concentrează pe:

• Separare clară între asistență, autonomie și colaborare
• Tratând testarea penetrării ca o serie de decizii, nu ca o scanare lineară.
• Păstrarea contextului prin notițe, memorie și grafuri de cunoaștere
• Metodologia de încodare prin playbook-uri, nu prin legături ad-hoc între instrumente.

Cum gândește PentestAgent?

1- Structurarea umană (Contextul decizional): Fiecare angajare începe cu o persoană care definește sarcina, domeniul de aplicare, intenția și limitările. Agentul nu deduce implicit autoritatea sau limitele.

2- Selectarea modului (Controlul autonomiei): PentestAgent face explicită autonomia prin intermediul unor moduri:

• Asistență: IA susține raționamentul și execuția, iar omul rămâne în control.
• Agent: IA execută autonom o singură sarcină bine definită.
• Echipaj: Un coordonator de orchestră coordonează mai mulți agenți specializați.

3- Execuția instrumentelor (Acțiune, nu judecată): Agenții execută instrumentele de bază — rețea, web, credențiale, exploatare — însă execuția este considerată o acțiune, nu o decizie. Deciziile rămân vizibile și supuse revizuirii.

4- Note, memorie și graf-ul umbră (menținerea contextului): Rezultatele sunt stocate sub formă de note structurate și păstrate între pașe. În modul Crew, aceste note formează un graf umbră care conectează: gazde, credențiale, vulnerabilități și artefacte.

5- Playbooks (Codificarea metodologiei): Playbook-urile PentestAgent descriu desfășurarea unei evaluări, asigurând o coerență constantă fără a compromite judecata umană.

Fiecare instrument de testare a vulnerabilităților al Red Teams bazat pe inteligență artificială poate fi mai potrivit pentru anumite scenarii, în timp ce în alte cazuri poate fi ineficient sau chiar riscant. Iată perspectivele la nivel general:

Test Case #1: Scenariu de recunoaștere amplă și extindere a suprafeței de atac. Vă este atribuit un obiectiv larg, cu o prezentare externă, având contextul inițial limitat.

Obiectiv: Extinde rapid suprafața de atac și identifică căi promițătoare fără a consuma timpul analistului senior.

Comportament prevăzut

• Enumerare gazde, servicii, puncte de terminare și tehnologii.
• Coroborați constatări pentru a sugera următoarele direcții de investigație.
• Evita exploatarea prematură

Decizie Insight

• Ce ar trebui să fie ignorat de la început?
• Care active merită o verificare mai profundă?

Cel mai potrivit: HexStrike AI — Aici se evidențiază puterea orchestrierii instrumentelor de mare scală și a abordării multi-agent. Valoarea nu constă în a găsi totul, ci în a comprima deciziile din faza inițială privind locul unde să ne concentrăm apoi.

La începutul unui test de penetrare, problema cea mai grea nu este găsirea activelor… ci hotărârea care dintre acestea merită o atenție sporită.

Test Case #2: Valificarea exploatarilor într-o aplicație cu acces la codul sursă. Aveți acces la codul sursă al unei aplicații web în mediu de testare, iar obiectivul este să verificați dacă vulnerabilitățile suspectate sunt efectiv exploatabile înainte ca aplicația să fie lansată.

Obiectiv: Trecerea de la „acesta pare riscos” la „acesta este demonstrabil exploatabil” și eliminarea falselor pozitive.

Comportament prevăzut

• Analizați folderele cu cod și logica de autentificare
• Forma ipoteze de exploatare
• Executa atacuri reale pentru a confirma impactul.
• Raportează doar rezultate verificate

Decizie Insight

• Poate sistemul să ia decizii corecte fără intervenția umană?
• Sunt rezultatele suficient de credibile încât să blocheze eliberarea?

Cea mai potrivită abordare: Shannon — Aici sunt indicate fluxurile de lucru autonome bazate pe demonstrații prin exploatare, cu condiția ca domeniul și mediul să fie strict controlate.

O vulnerabilitate contează doar atunci când poate fi dovedită… până atunci, este doar o ipoteză.

Test Case #3: Angajament complex cu multiple fire paralele. Conduceți un exercițiu real de testare a vulnerabilităților sau un angajament de tip Red Teams, în care apar simultan mai multe linii de investigație: credențiale, mișcare laterală, vulnerabilități web și configurații greșite ale serviciilor.

Obiectiv: Gestiona complexitatea fără a pierde contextul, menținând clară atribuția decizională și prevenind creșterea necontrolată a autonomiei.

Comportament prevăzut

• Omul definește cuprinsul și intenția.
• Sarcinile sunt deliberate prin delegare.
• Mulți agenți lucrează în paralel la probleme limitate.
• Descoperirile sunt sintetizate într-o istorisire coerentă a atacului.

Decizie de perspectivă :

• Cine decide ce se întâmplă mai departe?
• Cum schimbă informația nouă traseul atacului?

Cel mai potrivit: PentestAgent – Acest scenariu evidențiază autonomia structurată: oamenii delimitează deciziile, agenții execută sarcinile, iar informațiile sunt sintetizate prin notițe, memorie și un graf al umbrelor.