PentestGPT 部署教程AI 渗透测试 Agent 快速部署、本地模型配置与基准实测【免费下载链接】PentestGPTAutomated Penetration Testing Agentic Framework Powered by Large Language Models项目地址: https://gitcode.com/GitHub_Trending/pe/PentestGPT104 个 XBOW 基准86.5% 成功率单次成功平均 6.1 分钟、成本约 1.11 美元——这是 PentestGPT 作为 AI 渗透测试 Agent 交出的成绩单。它把大模型推理接进渗透测试的每一步自动识别目标、实时跟踪操作、覆盖多类挑战。下面先讲它是什么再带你从零部署、验证最后给出换本地模型的完整做法。三分钟看懂 PentestGPT 能做什么把 PentestGPT 放进一个 CTF 机房或授权渗透目标前面它会自己读题面、规划攻击路径、调工具执行再把结果串成可复核的结论。它解决的问题很具体把从漏洞扫描到报告生成这条链路里重复的推理和指挥工作交给大模型来驱动。它的智能体现在三个环节。自动目标识别会在开局分析目标是什么类型、暴露了哪些攻击面实时进度跟踪让你看着它一步步执行而不是丢一个黑盒等结果多类别支持则让它能覆盖 Web 应用、密码学、逆向工程、取证分析、PWN 和权限提升这几类常见场景。架构上是分层的。核心引擎 pentestgpt/core/ 负责 AI 推理和任务调度工具集成 pentestgpt/tools/ 预置了各类安全测试工具供它调用界面层 pentestgpt/interface/ 提供交互体验。改哪块都能独立下手这也是它可扩展的原因。动手之前先定环境和 LLM 提供商部署本身不难难在动手前的两个决定。想清楚这两件事后面的命令基本就是照抄。环境Docker 是硬前提整套安全工具都在容器里跑可用内存留到 4GB 以上网络保持稳定构建镜像和调 LLM 都依赖它。LLM 提供商三选一依据取决于你的预算和账号Anthropic API 密钥走 API 计费有预算的团队最省事Claude OAuth 登录用 Claude 订阅额度省 API 费用但需要订阅账号OpenRouter 替代模型想换别的模型或做异构路由时选它⚠️ 避坑提示 认证方式决定了后面make config里怎么选。走 OAuth 的容器里要额外做一次登录别等连不上再回头补。PentestGPT 快速部署从零把它跑起来先取代码。--recurse-submodules会一并拉下完整的基准测试套件别漏git clone --recurse-submodules https://gitcode.com/GitHub_Trending/pe/PentestGPT.git cd PentestGPT如果当初 clone 时没带子模块补一句git submodule update --init --recursive就能补齐基准套件。接着是安装配置三条命令连跑。make install构建包含全部安全工具的 Docker 镜像make config配置认证信息make connect进容器make install make config make connectPentestGPT AI 渗透测试工具 Docker 部署安装过程演示进容器后终端是交互式的装没装通可以直接验证跑一道基准能正常出结果就说明链路是通的。cd benchmark/standalone-xbow-benchmark-runner python3 run_benchmarks.py --range 1-1 --pattern-flag跑起来之后能做的 3 件事装好之后常见用法就是下面三种场景按目标类型挑一个就行。第一道 CTF 题怎么解交互式 TUI 是日常最舒服的模式指一个目标就开测pentestgpt --target 10.10.11.234它会自己读题面、规划、执行你在终端里看着它一步步走随时可以介入。对着真实目标开测真实目标往往带着业务上下文把它喂给模型能省不少弯路。用--instruction把已知信息写进去pentestgpt --target 10.10.11.50 --instruction WordPress 站点重点关注插件漏洞批量跑非交互模式要批量验证或挂到流水线上用非交互模式不占终端pentestgpt --target 10.10.11.100 --non-interactive交互模式下常用的几个快捷键列在这里备用快捷键作用F1显示帮助信息CtrlP暂停 / 恢复操作CtrlQ退出程序PentestGPT AI 渗透测试智能测试流程功能演示本地模型配置把推理迁回自己机房不想把目标数据发往公有云就把推理迁回自己的 LLM 服务器。做法是先在make config里选Local LLM选项 4启动本地 LLM 服务再make connect进容器。个性化配置改scripts/ccr-config-template.json三个字段最常用localLLM.api_base_urlLLM 服务地址默认host.docker.internal:1234localLLM.models服务器上可用的模型名路由配置指定不同模型处理特定操作比如轻量任务走小模型⚠️ 避坑提示 容器里访问宿主机上的 LLM 要用host.docker.internal不是localhost。写错这个域名是本地模型连不上的头号原因。值不值得用基准测试数据与自验方法结论先说值得尝试。依据是它把成功率、成本、耗时三件事同时压到了比较好看的量级。在 104 个 XBOW 验证基准上整体成功率86.5%。单次成功的成本和时间如下指标每次成功平均中位数成本美元1.110.42耗时分钟6.13.3按难度分成功率随级别递减但前两档仍然稳难度级别成功率级别 191.1%级别 274.5%级别 362.5%不想只看现成数字可以自己跑一遍。基准测试入口支持范围、全量、重试和预览python3 run_benchmarks.py --range 1-10 --pattern-flag python3 run_benchmarks.py --all --pattern-flag python3 run_benchmarks.py --retry-failed python3 run_benchmarks.py --dry-run --range 1-5踩坑清单连接问题排查与日志定位跑不通八成是下面三种之一对着表格查最快现象常见原因处理连接被拒绝LLM 服务没起 / 端口不通确认 LLM 服务器在跑并监听配置端口再检查 Docker 网络本地模型连不上容器内误用localhost容器访问宿主机服务要用host.docker.internal看不到执行细节日志没查进容器执行cat /tmp/ccr.log看详细日志最后把边界说清楚PentestGPT 只应在你拥有书面授权的目标上使用。CTF 和授权渗透测试是它的主场对未授权目标发起攻击在多数地区属于违法责任自负。想深入看整体设计读 docs/architecture.md 就够了。【免费下载链接】PentestGPTAutomated Penetration Testing Agentic Framework Powered by Large Language Models项目地址: https://gitcode.com/GitHub_Trending/pe/PentestGPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考