Darkmoon

嘿 Product Hunt，

我们是一支小型的专业渗透测试团队。

过去几年里，我们测试了几乎所有能找到的 AI 渗透测试工具。

结果大部分只是包了一层 LLM 的网页扫描器。
⟪NL⟂如果目标是个营销网站、你想挖 XSS，那还行。

但真正实战根本不是这样。

实战场景是：

* Active Directory
* Kubernetes
* AWS
* 内部网络
* APIs
* 遗留系统

这些才是我们日常花时间的地方。
也是大多数 AI 工具碰壁的地方。

所以我们造了 Darkmoon。

Darkmoon 是一个开源、自托管的自主渗透测试平台。

目前包含：

* 18 个专用方法智能体
* 80+ 集成攻击安全工具
* 基础设施映射
* 带证据支持的报告
* 攻击路径生成

编排器会识别目标指纹，并选择最合适的方法。

示例：

* Active Directory
* Kubernetes
* WordPress
* Drupal
* Magento
* GraphQL
* PHP
* Node.js
* ASP.NET
* Spring Boot
* 网络基础设施

我们从第一天起就在意一件事：透明。

智能体不是藏着掖着的 prompt。

每个方法都存为纯 Markdown 文件，可以：

* 审查
* 审计
* 版本控制
* 自定义

每个方法都映射到：

* MITRE ATT&CK
* NIST 800-115

底层 Darkmoon 编排了 80 多个攻击安全工具，包括：

* Nuclei
* SQLMap
* NetExec
* BloodHound
* Impacket
* FFUF
* Hydra
* Kubescape

模型不直接执行工具。

它负责规划、优先级排序、委派任务。

另一个独立的执行层负责跑命令、捕获输出，把结果反馈回工作流。

发现结果包括：

* 支持证据
* 执行的命令
* 命令输出
* 严重等级
* 基础设施映射图

几点实话：

* Web 和 Active Directory 目前是最成熟的智能体。
* 云覆盖在改进但仍在发展。
* 前沿模型目前比小型本地模型表现更好。
* 每次运行有 API 成本。

Darkmoon 使用 GPLv3 许可证。
完全自托管。
无遥测。

你可以接入：

* OpenAI
* Anthropic
* Ollama
* llama.cpp

我们今天发布，希望能从安全社区和开源社区获得反馈。

欢迎提问关于架构、方法、路线图或其他任何问题。

感谢关注。

GitHub:
https://github.com/ASCIT31/Dark-...

好发布。我喜欢把模型规划和独立的执行层分开。对于安全工作，有用的产物不只是报告，而是从目标范围到授权工具、到命令输出、到发现结果的链条。你们会把运行记录导出给客户或审计审核吗？

要跑一个完整评估，环境搭建是什么样的？能不能接入自己的工具或内部扫描器？