[开源] AutoRedTeam-Orchestrator - 给 AI 编辑器装上渗透测试工具箱

作者: 纯情 · 2026-02-05

[开源] AutoRedTeam-Orchestrator - 给 AI 编辑器装上渗透测试工具箱

项目简介

AutoRedTeam-Orchestrator 是一个基于 Model Context Protocol (MCP) 的 AI 驱动自动化渗透测试框架。

它将 101 个安全工具 封装为 MCP 工具，可与支持 MCP 的 AI 编辑器 (Claude Code, Cursor, Windsurf, Kiro, Claude Desktop) 无缝集成，实现自然语言驱动的自动化安全测试。

简单说：配置好之后，直接跟 AI 说「帮我扫描 xxx.com 的漏洞」就行了

项目数据概览

指标	数量
MCP 工具	101
Payload 库	2,000+
测试用例	1,461
漏洞检测器	19

为什么选择 AutoRedTeam-Orchestrator？

特性	传统工具	AutoRedTeam-Orchestrator
交互方式	命令行记忆	自然语言对话
学习成本	高（需记忆大量参数）	低（AI 自动选择工具）
工具整合	手动切换工具	101 工具统一接口
攻击链规划	人工规划	MCTS 算法 + 知识图谱
误报过滤	人工验证	OOB + 统计学验证
报告生成	手动编写	一键生成专业报告
会话管理	无	支持断点续传
安全性	各工具独立	MCP 安全中间件统一防护

为什么做这个？

最早是在用 HexStrike，还参与过二次开发，和 #96 分支作者 Ynee 也有过深入交流。

后来在社区找到了 HexStrike 原作者，但他似乎遇到了一些生活上的困难，项目更新明显放缓了。

与其等待，不如自己动手。正好使用中也积累了一些想法：

为什么非得在 Kali 上跑？ → 做成 Windows 原生，Linux 也兼容
为什么不能和 AI 编辑器联动？ → 基于 MCP 协议，Claude Code 直接调用
为什么工具这么分散？ → 101 个工具整合到一起

于是就有了这个项目。

技术栈 & 兼容性

技术栈

语言 Python 3.10+

协议 MCP (Model Context Protocol)

并发 asyncio / httpx / aiohttp

算法 MCTS 蒙特卡洛树搜索

存储内存图存储 / SQLite

安全输入验证 / 速率限制 / 操作授权

已测试支持

CLI 工具：

Claude Code (终端)
Gemini CLI
Codex CLI（道德感严重）
iFlow CLI

IDE / 桌面端：

Cursor
Windsurf
Kiro
Claude Desktop
VS Code (with MCP extension)

基本上只要能跑 MCP 的 IDE/CLI 都可以用这个项目

结果案例：

codex扫描时间过长我停了，具体各位佬可以重新测试一下

GitHub

欢迎 Star 和 PR！

免责声明

本工具仅限以下场景使用：

授权渗透测试
红队安全评估
安全研究学习
CTF 竞赛

严禁用于：

未经授权测试他人系统
任何非法用途

使用本工具造成的任何法律后果由使用者自行承担。

狗头保命，希望大家合法合规使用~

第一次在 L 站发自己的项目，有问题欢迎回帖讨论，也可以去 GitHub 发 Issue 或者按项目里的邮箱联系我，看到就会回复。

希望大家共同进步，也请各位师傅斧正！

📌 转载信息

来源： https://linux.do/t/topic/1566499

转载时间： 2026/2/5 05:19:59

作者: 纯情 · 2026-01-19

CyberStrikeAI：让安全测试像对话一样简单——智能渗透测试的技术实践

先附上开源工具链接：

https://github.com/Ed1s0nZ/CyberStrikeAI

从工具堆砌到智能调度：渗透测试的演进之路

作为安全工程师，我们都经历过这样的场景：面对一个新的目标系统，我们需要在数十个安全工具之间不断切换，记忆各种复杂的命令行参数，手动分析海量的扫描结果，然后在不同的工具输出中寻找关联性。这种工作方式不仅效率低下，更严重的是，我们往往在工具的使用上花费了太多精力，反而减少了对安全威胁本质的思考时间。

技术人的解决方案：CyberStrikeAI的设计理念

CyberStrikeAI不是要取代安全工程师，而是要成为工程师的智能助手。基于一个朴素但强大的想法：用技术手段解决技术问题，让AI处理重复性工作，让人专注于创造性分析。

效果

对话效果

MCP调用

调用链

核心架构：Golang + MCP协议的工程化实现

// 核心架构简示
Agent Loop (AI决策引擎)
    ↓
MCP Server (工具调度中心)  
    ↓
Security Executor (命令执行层)
    ↓
98+ Security Tools (工具生态)

技术栈选择背后的思考：

Golang：并发性能优异，跨平台编译方便，部署简单
MCP协议：标准化工具调用，确保扩展性和兼容性
SQLite：轻量级数据存储，适合单机部署场景

实际工作流程对比

传统方式：

# 1. 端口扫描
nmap -sS -sV -O 192.168.1.0/24

# 2. Web服务识别
httpx -l targets.txt -title -status-code

# 3. 漏洞扫描  
nuclei -l targets.txt -t /nuclei-templates/

# 4. 手动分析结果，决定下一步...

CyberStrikeAI方式：

"对192.168.1.0/24网段进行全面的安全评估，重点关注Web服务漏洞"

系统自动完成：

识别网络范围，调用nmap进行主机发现
对发现的Web服务调用httpx进行指纹识别
基于服务指纹选择相应的漏洞检测模板
自动分析结果，对可疑目标进行深度扫描
生成结构化报告，包括漏洞详情和修复建议

面向安全工程师的技术特性

工具集成：不重复造轮子

我集成了98+个经过社区验证的安全工具，包括：

信息收集：nmap, subfinder, amass, theharvester
漏洞扫描：nuclei, sqlmap, xsser, dalfox
Web安全：dirb, gobuster, nikto, wafw00f
专项工具：wpscan, jexboss, ysoserial

每个工具都通过YAML配置文件进行标准化封装：

name: "nmap"
command: "nmap"
args: ["-sT", "-sV", "-sC"]
description: "网络扫描工具，用于发现网络主机、开放端口和服务"

parameters:
  - name: "target"
    type: "string"
    description: "目标IP地址或域名"
    required: true

智能决策：AI作为调度器

AI在系统中的角色不是替代工具，而是智能调度器和结果分析器：

// AI决策流程
1. 理解用户自然语言请求
2. 分析目标特征和测试需求  
3. 选择最适合的工具组合
4. 动态调整参数优化扫描效果
5. 解析工具输出，提取关键信息
6. 基于发现决定后续测试路径

实时监控：掌握测试全过程

系统提供完整的执行监控：

# 查看工具执行状态
GET /api/monitor

# 实时查看漏洞统计
{
  "total": 23,
  "severityCount": {
    "critical": 2,
    "high": 5, 
    "medium": 10,
    "low": 6
  }
}

实际应用场景分析

场景一：红队渗透测试

需求：快速对目标企业进行外围渗透测试
传统方式：手动信息收集 → 工具链执行 → 结果整理 (耗时：4-6小时)
CyberStrikeAI：单次对话描述测试目标 → 自动执行完整流程 (耗时：30-60分钟)

场景二：漏洞复现与验证

需求：批量验证SRC提交的漏洞
传统方式：逐个手动测试，重复性工作量大
CyberStrikeAI：批量导入目标 → 自动匹配检测方案 → 生成验证报告

场景三：安全巡检

需求：定期对资产进行安全巡检
传统方式：编写脚本，定时执行，人工分析
CyberStrikeAI：配置巡检策略 → 自动执行 → 差异对比 → 告警通知

扩展性与二次开发

自定义工具集成

通过标准的YAML配置即可集成新工具：

name: "custom-scanner"
command: "python3"
args: ["/tools/myscanner.py"]
parameters:
  - name: "target"
    type: "string"
    required: true

API集成现有流程

系统提供完整的REST API，可轻松集成到现有安全体系中：

# 集成到自动化漏洞管理平台
def trigger_scan(target, scan_type):
    response = requests.post(
        'http://cyberstrike-ai:8080/api/agent-loop',
        json={'message': f'{scan_type}扫描 {target}'}
    )
    return process_results(response.json())

技术人的实践建议

部署方案

开发测试：本地Docker部署，快速验证
团队使用：服务器部署，共享使用
集成环境：API方式集成到现有安全平台

使用技巧

渐进式测试：从基础扫描开始，逐步深入
结果验证：AI发现的关键漏洞建议人工复核
工具补充：根据实际需求扩展工具库

结语：技术赋能，专注价值

CyberStrikeAI的本质是通过技术手段提升安全工程师的工作效率，让我们从繁琐的工具操作中解放出来，更加专注于威胁分析、漏洞研究和防护策略等更有价值的工作。

在网络安全人才紧缺的今天，提升个体工程师的效率就是提升整个行业的安全水位。我相信，好的工具应该像得力的助手一样，默默处理繁琐工作，让专家专注于专业判断。

项目地址：https://github.com/Ed1s0nZ/CyberStrikeAI

让技术回归本质，让安全测试变得更加高效——这是CyberStrikeAI的技术追求，也是我对安全社区的诚意贡献。

作者: 纯情 · 2026-01-18

CyberStrikeAI：让安全测试像对话一样简单——智能渗透测试的技术实践

先附上开源工具链接：

https://github.com/Ed1s0nZ/CyberStrikeAI

从工具堆砌到智能调度：渗透测试的演进之路

作为安全工程师，我们都经历过这样的场景：面对一个新的目标系统，我们需要在数十个安全工具之间不断切换，记忆各种复杂的命令行参数，手动分析海量的扫描结果，然后在不同的工具输出中寻找关联性。这种工作方式不仅效率低下，更严重的是，我们往往在工具的使用上花费了太多精力，反而减少了对安全威胁本质的思考时间。

技术人的解决方案：CyberStrikeAI的设计理念

CyberStrikeAI不是要取代安全工程师，而是要成为工程师的智能助手。基于一个朴素但强大的想法：用技术手段解决技术问题，让AI处理重复性工作，让人专注于创造性分析。

效果

对话效果

MCP调用

调用链

核心架构：Golang + MCP协议的工程化实现

// 核心架构简示
Agent Loop (AI决策引擎)
    ↓
MCP Server (工具调度中心)  
    ↓
Security Executor (命令执行层)
    ↓
98+ Security Tools (工具生态)

技术栈选择背后的思考：

Golang：并发性能优异，跨平台编译方便，部署简单
MCP协议：标准化工具调用，确保扩展性和兼容性
SQLite：轻量级数据存储，适合单机部署场景

实际工作流程对比

传统方式：

# 1. 端口扫描
nmap -sS -sV -O 192.168.1.0/24

# 2. Web服务识别
httpx -l targets.txt -title -status-code

# 3. 漏洞扫描  
nuclei -l targets.txt -t /nuclei-templates/

# 4. 手动分析结果，决定下一步...

CyberStrikeAI方式：

"对192.168.1.0/24网段进行全面的安全评估，重点关注Web服务漏洞"

系统自动完成：

识别网络范围，调用nmap进行主机发现
对发现的Web服务调用httpx进行指纹识别
基于服务指纹选择相应的漏洞检测模板
自动分析结果，对可疑目标进行深度扫描
生成结构化报告，包括漏洞详情和修复建议

面向安全工程师的技术特性

工具集成：不重复造轮子

我集成了98+个经过社区验证的安全工具，包括：

信息收集：nmap, subfinder, amass, theharvester
漏洞扫描：nuclei, sqlmap, xsser, dalfox
Web安全：dirb, gobuster, nikto, wafw00f
专项工具：wpscan, jexboss, ysoserial

每个工具都通过YAML配置文件进行标准化封装：

name: "nmap"
command: "nmap"
args: ["-sT", "-sV", "-sC"]
description: "网络扫描工具，用于发现网络主机、开放端口和服务"

parameters:
  - name: "target"
    type: "string"
    description: "目标IP地址或域名"
    required: true

智能决策：AI作为调度器

AI在系统中的角色不是替代工具，而是智能调度器和结果分析器：

// AI决策流程
1. 理解用户自然语言请求
2. 分析目标特征和测试需求  
3. 选择最适合的工具组合
4. 动态调整参数优化扫描效果
5. 解析工具输出，提取关键信息
6. 基于发现决定后续测试路径

实时监控：掌握测试全过程

系统提供完整的执行监控：

# 查看工具执行状态
GET /api/monitor

# 实时查看漏洞统计
{
  "total": 23,
  "severityCount": {
    "critical": 2,
    "high": 5, 
    "medium": 10,
    "low": 6
  }
}

实际应用场景分析

场景一：红队渗透测试

需求：快速对目标企业进行外围渗透测试
传统方式：手动信息收集 → 工具链执行 → 结果整理 (耗时：4-6小时)
CyberStrikeAI：单次对话描述测试目标 → 自动执行完整流程 (耗时：30-60分钟)

场景二：漏洞复现与验证

需求：批量验证SRC提交的漏洞
传统方式：逐个手动测试，重复性工作量大
CyberStrikeAI：批量导入目标 → 自动匹配检测方案 → 生成验证报告

场景三：安全巡检

需求：定期对资产进行安全巡检
传统方式：编写脚本，定时执行，人工分析
CyberStrikeAI：配置巡检策略 → 自动执行 → 差异对比 → 告警通知

扩展性与二次开发

自定义工具集成

通过标准的YAML配置即可集成新工具：

name: "custom-scanner"
command: "python3"
args: ["/tools/myscanner.py"]
parameters:
  - name: "target"
    type: "string"
    required: true

API集成现有流程

系统提供完整的REST API，可轻松集成到现有安全体系中：

# 集成到自动化漏洞管理平台
def trigger_scan(target, scan_type):
    response = requests.post(
        'http://cyberstrike-ai:8080/api/agent-loop',
        json={'message': f'{scan_type}扫描 {target}'}
    )
    return process_results(response.json())

技术人的实践建议

部署方案

开发测试：本地Docker部署，快速验证
团队使用：服务器部署，共享使用
集成环境：API方式集成到现有安全平台

使用技巧

渐进式测试：从基础扫描开始，逐步深入
结果验证：AI发现的关键漏洞建议人工复核
工具补充：根据实际需求扩展工具库

结语：技术赋能，专注价值

CyberStrikeAI的本质是通过技术手段提升安全工程师的工作效率，让我们从繁琐的工具操作中解放出来，更加专注于威胁分析、漏洞研究和防护策略等更有价值的工作。

在网络安全人才紧缺的今天，提升个体工程师的效率就是提升整个行业的安全水位。我相信，好的工具应该像得力的助手一样，默默处理繁琐工作，让专家专注于专业判断。

项目地址：https://github.com/Ed1s0nZ/CyberStrikeAI

让技术回归本质，让安全测试变得更加高效——这是CyberStrikeAI的技术追求，也是我对安全社区的诚意贡献。

作者: 纯情 · 2026-01-12

Sara Martinez 在Online TestConf上的演讲“确保软件安全”中说到，一个安全的软件开发生命周期意味着将安全融入到计划、设计、构建、测试和维护各个阶段，而不是在最后阶段才匆忙添加。测试人员不是漏洞查找者，而是早期的防御者，从第一个冲刺开始构建安全性和质量。文化第一，自动化第二，全程持续测试和监控；她认为，这就是如何让安全成为一种习惯，而不是紧急演练的方式。

通用弱点枚举（Common Weakness Enumeration， CWE）统计数据显示，超过 85%的软件弱点来自于我们如何实现代码，大约 60%可以追溯到设计决策。Martinez 说，这意味着产品的基础、架构和构建方式对产品的安全性有着巨大的影响。她补充说，一旦产品上线，就要密切关注它，运行漏洞扫描，并在问题出现时尽快修补，以领先于攻击者。

安全的软件开发生命周期看起来很像常规的 SDLC，但每个步骤都内置了安全性，Martinez 解释道：

* 它首先定义明确的安全需求，并在规划和设计时运行威胁建模。
* 在开发过程中，遵循安全编码实践，审查依赖关系，并使用安全测试自动化工具或依赖项* 扫描器来尽早捕获弱点。
* 测试超越了 DAST、渗透测试和其他安全检查的功能，以发现真正的攻击路径。
* 一旦产品上线，你就可以通过安全部署、持续监控和快速补丁管理来保证它的安全。

Martinez 认为，安全的软件从文化开始，就像质量一样。这不是一个清单，而是关于开发者、测试人员、运维人员和管理人员之间的责任分担：

每个公司都应该创建适合其产品的行动计划，查看安全软件开发指南，并确保安全实践是日常工作的一部分。自动化是关键；将安全分析工具引入 CI/CD 管道，以便及早和一致地发现弱点。

Martinez 提到不要忘记测试的人为方面：添加与安全需求相关的特定功能测试用例，以便团队保持对诸如弱输入验证、风险角色和权限配置或访问控制等问题的警觉。

Martinez 说，许多最严重的事件仍然来自旧的、众所周知的攻击，我们可以通过正确的工具和实践来预防这些攻击。现在，我们面临着新的挑战，比如与 AI 相关的漏洞，它们正在重塑格局：

例如，许多公司正在使用 AI 来生成代码，但他们没有扫描它或应用安全开发实践，因此他们最终将已知的漏洞引入到他们的产品中。

我学到了很多，但我知道我永远也学不完。安全性是一个移动的目标，安全性测试是一个持续的挑战，这正是使它成为一个如此迷人、不断变化的世界的原因。

InfoQ 就软件安全问题采访了Sara Martinez。

InfoQ：测试人员在安全方面扮演什么角色？

Sara Martinez：测试员是我们拥有的最好的安全秘密武器之一。我认为我们的角色不仅仅是检查功能是否有效；我们很容易注意到可能变成大漏洞的小问题，比如弱输入验证、有风险的角色和权限配置，或者访问控制。

团队需要在安全软件开发生命周期（SSDLC）中共担安全责任，比如挑战安全需求、帮助进行威胁建模，以及运行静态和动态安全自动扫描以尽早发现问题。测试人员可以通过确保快速验证修复并集成到 CI/CD 中来保持管道中的安全性。

InfoQ：我们有哪些关于漏洞和弱点的数据，我们如何使用这些数据？

Martinez：像 CWE （Common Weakness Enumeration）和 CVE （Common Vulnerabilities and Exposures）这样的数据标准为我们提供了一种描述软件弱点和现实世界漏洞的共享语言。这些数据不仅仅用于报告；自动化扫描器实际上使用这些引用来检测代码和正在运行的应用程序中的漏洞。

我认为这也是发现攻击者趋势的好方法。在过去的几年里，顶级 CVE 一直被跨站点脚本（XSS）和 SQL 注入等问题所主导，这些问题继续影响着很大比例的软件产品。使用这些数据可以帮助团队确定测试的优先级，关注安全编码实践，并对攻击者真正利用的东西保持警惕。

https://www.infoq.com/news/2026/01/ensure-software-security/

作者: 纯情 · 2022-07-05

作为一个安服仔，日常渗透中，不同阶段所使用的工具是不同的，除开自动化一条龙的脚本之外，很多时候是需要反复的进入不同的文件夹运行不同的命令，每次使用工具的时候命令可能也是一样的，那么是否有种方式将常用的工具，常用的命令集成在一起，渗透的时候仅需给定目标，就可以调用工具自动执行命令。之前流行过的GUI_Tools是一个，有了图形化页面，点击即可运行，但是一个是在Windows环境下界面实在不敢恭维，一个是无法更好的交互（或者也许我没找到交互的方式）。后来无意间发现了阿浪师傅写的一个自用的命令行调用工具，也就是Wanli的初始版本。最开始也在公众号文章说过，最初的设定是“把常用的工具给做了一个调用整合到一个程序内，功能拓展比较方便，目前是根据自己的一些习惯写的，比如目录扫描、子域名爆破+验证、漏洞扫描”。就相当于一个快捷启动工具，与GUI_Tools不同的是，Wanli可以更好的交互，执行自定义的命令。当然，并无比较的意思，两个师傅的工具都有在用（手动狗头 :）。

emmmmmm刚注册不久，发帖的编辑器不太会用，还是放图吧，
主界面：

输出：

配置文件：

工具分类：

地址：https://github.com/givemefivw/SecurityServiceBox

作者: 纯情 · 2022-07-02

1. 企查查-爱企查-天眼查

域名
小程序
微信公众号
APP
微博
邮箱

生活号

https://github.com/cqkenuo/appinfoscanner
https://www.qcc.com/
https://www.tianyancha.com/
https://aiqicha.baidu.com/
google.com \ baidu.com \ bing.cn

2. 收集子域名

收集目标子域名信息

https://x.threatbook.cn/
https://github.com/shmilylty/OneForAll
Layer子域名挖掘机
https://github.com/lijiejie/subDomainsBrute
https://github.com/Jewel591/SubDomainFinder
https://github.com/aboul3la/Sublist3r
https://github.com/knownsec/ksubdomain
https://github.com/Threezh1/JSFinder
google.com \ baidu.com \ bing.cn
http://tool.chinaz.com/dns
https://www.dnsdb.io
https://fofa.so/
https://www.zoomeye.org/
https://www.shodan.io/
https://censys.io/
DNSenum
nslookup
https://www.isc.org/download/
https://code.google.com/archive/p/dnsmap/
https://github.com/0x727/ShuiZe_0x727

3. 域名指纹识别

对上面收集到的域名进行识别

https://github.com/EdgeSecurityTeam/EHole
https://github.com/al0ne/Vxscan
https://github.com/EASY233/Finger
https://github.com/TideSec/TideFinger
https://github.com/urbanadventurer/WhatWeb
https://gobies.org/
https://www.yunsee.cn/
https://github.com/s7ckTeam/Glass
https://github.com/TideSec/TideFinger
https://scan.dyboy.cn/web/
https://fp.shuziguanxing.com/#/
https://builtwith.com/zh/
https://github.com/FortyNorthSecurity/EyeWitness
https://www.yunsee.cn/
https://www.wappalyzer.com/
https://github.com/0x727/ObserverWard
https://github.com/0x727/ShuiZe_0x727
https://github.com/P1-Team/AlliN
https://github.com/dr0op/bufferfly

4. IP收集、C段收集、端口

根据域名收集对应的IP
如果遇到CDN可以考虑以下方法：

查看dns解析记录

https://dnsdb.io/zh-cn/ ###DNS查询
https://x.threatbook.cn/ ###微步在线
http://toolbar.netcraft.com/site_report?url= ###在线域名信息查询
http://viewdns.info/ ###DNS、IP等查询
https://tools.ipip.net/cdn.php ###CDN查询IP

SecurityTrails平台

找子域名的IP
- 微步在线
- https://dnsdb.io/
- xxxx.com.cn type:A
google
子域名扫描器
网络空间搜索引擎
- shodan
- fofa
- zoomeye
- 全球鹰
- quake
SSL证书
HTTP头
利用网站返回内容特征搜索
国外主机访问
网站漏洞
- phpinfo
- xss
- ssrf
邮件订阅（RSS）
zmap
F5 LTM

如果没有CDN就直接扫

nmap
masscan
https://github.com/EdgeSecurityTeam/Eeyes
https://github.com/shadow1ng/fscan
https://github.com/Adminisme/ServerScan
https://github.com/EdgeSecurityTeam/EHole

5. 目录扫描

https://github.com/maurosoria/dirsearch
dirbuster
gobuster
dirb
https://github.com/xmendez/wfuzz
https://github.com/foryujian/yjdirscan
https://github.com/H4ckForJob/dirmap

6. 漏洞扫描

nessus
wavs
https://github.com/H4ckForJob/dirmap
https://github.com/chaitin/xray
https://github.com/wgpsec/DBJ
https://github.com/sullo/nikto
https://github.com/zhzyker/vulmap/
https://github.com/projectdiscovery/nuclei
https://github.com/greenbone/openvas-scanner
https://github.com/wpscanteam/wpscan
http://www.encoreconsulting.com/3-10-AppScan.html
https://github.com/78778443/QingScan

7. 微信小程序信息收集

8. 微信公众号信息收集

9. 支付宝小程序信息收集

10. APP信息收集

https://github.com/cqkenuo/appinfoscanner

https://github.com/projectdiscovery/nuclei/blob/master/README_CN.md
https://github.com/smicallef/spiderfoot

11. 网站JS信息收集

https://github.com/Threezh1/JSFinder
https://github.com/GerbenJavado/LinkFinder
https://github.com/rtcatc/Packer-Fuzzer (webpack)
https://github.com/momosecurity/FindSomething

12. 其他信息收集

用户名
密码
GitHub
网盘
钉钉
语雀
码云
gitree
微信
邮箱
备份文件
知乎
贴吧
社工库
等

标签 漏洞扫描 下的文章

【个人开源项目】AutoRedTeam-Orchestrator AI 驱动的自动化红队编排框架

[开源] AutoRedTeam-Orchestrator - 给 AI 编辑器装上渗透测试工具箱

项目简介

项目数据概览

为什么选择 AutoRedTeam-Orchestrator？

为什么做这个？

技术栈 & 兼容性

技术栈

已测试支持

GitHub

免责声明

CyberStrikeAI：让安全测试像对话一样简单——智能渗透测试的技术实践

CyberStrikeAI：让安全测试像对话一样简单——智能渗透测试的技术实践

先附上开源工具链接：

从工具堆砌到智能调度：渗透测试的演进之路

技术人的解决方案：CyberStrikeAI的设计理念

效果

对话效果

MCP调用

调用链

核心架构：Golang + MCP协议的工程化实现

实际工作流程对比

面向安全工程师的技术特性

工具集成：不重复造轮子

智能决策：AI作为调度器

实时监控：掌握测试全过程

实际应用场景分析

场景一：红队渗透测试

场景二：漏洞复现与验证

场景三：安全巡检

扩展性与二次开发

自定义工具集成

API集成现有流程

技术人的实践建议

部署方案

使用技巧

结语：技术赋能，专注价值

CyberStrikeAI：让安全测试像对话一样简单——智能渗透测试的技术实践

CyberStrikeAI：让安全测试像对话一样简单——智能渗透测试的技术实践

先附上开源工具链接：

从工具堆砌到智能调度：渗透测试的演进之路

技术人的解决方案：CyberStrikeAI的设计理念

效果

对话效果

MCP调用

调用链

核心架构：Golang + MCP协议的工程化实现

实际工作流程对比

面向安全工程师的技术特性

工具集成：不重复造轮子

智能决策：AI作为调度器

实时监控：掌握测试全过程

实际应用场景分析

场景一：红队渗透测试

场景二：漏洞复现与验证

场景三：安全巡检

扩展性与二次开发

自定义工具集成

API集成现有流程

技术人的实践建议

部署方案

使用技巧

结语：技术赋能，专注价值

测试人员可以做些什么来确保软件安全

SecurityServiceBox

渗透测试信息收集思路&工具分享

1. 企查查-爱企查-天眼查

2. 收集子域名

3. 域名指纹识别

4. IP收集、C段收集、端口

5. 目录扫描

6. 漏洞扫描

7. 微信小程序信息收集

8. 微信公众号信息收集

9. 支付宝小程序信息收集

10. APP信息收集

11. 网站JS信息收集

12. 其他信息收集

最新文章

标签漏洞扫描下的文章