DarkMoon מביאה בדיקות חדירה אוטונומיות מונעות בינה מלאכותית לקוד פתוח

DarkMoon היא פלטפורמת קוד פתוח חדשהשמשתמש בסוכני AI כדי להפעיל תהליכי עבודה אוטומטיים של בדיקות חדירה ברחבי אינטרנט, רשת, Active Directory, Kubernetes, ענן וסביבות יישומים. הפרויקט משלב שכבת AI מרובת סוכנים עם יותר מ-50 כלי אבטחה בתוך ארגז כלים מבוסס Docker.

הפלטפורמה מיועדת לבדיקות אבטחה מורשות, לא לסריקה סתמית של מערכות לא ידועות. ההבטחה העיקרית שלו היא חזרה: צוותי אבטחה יכולים להגדיר יעד, לתת ל-AI לתכנן את ההערכה ולקבל ממצאים מבוססי ראיות מבלי לשרשר ידנית כל כלי יחד.

מאגר GitHub של הפרויקט מתאר את DarkMoonכמנוע חודר AI אוטונומי המשתמש בהיגיון סוכן, ביצוע ניצול אמיתי וניתוח נתיב תקיפה כדי לייצר נקודות תורפה מבוססות הוכחה. כרגע יש לו 110 כוכבי GitHub, 19 מזלגות, ולא פורסםGitHub יוצא בזמן כתיבת שורות אלה.

DarkMoon פועל כשכבת תזמור להערכות אבטחה. ה-AI מחליט מה לבדוק הלאה, בעוד ששכבת ביצוע Protocol Context Model מבוקרת מטפלת בגישה לכלים ושומרת פקודות בתוך הגבולות המוגדרים של הפלטפורמה.

הארכיטקטורה מפרידה בין תכנון לביצוע. הסיבות והנציגים של הבינה המלאכותית עובדים, שכבת ה-MCP שולטת במה שיכול לפעול, וארגז הכלים של Docker מפעיל כלי אבטחה בבידוד.

זה חשוב מכיוון שכלי אבטחה אוטונומיים נושאים סיכון אמיתי אם הם פועלים ללא מעקות בטיחות. העיצוב של DarkMoon מנסה להפחית את הסיכון על ידי הרחקת ה-AI מביצוע ישיר של מערכת וניתוב פעילות באמצעות ממשק מבוקר.

במבט אחד

כיצד פועל זרימת ההערכה

כאשר מטרה נכנסת לפלטפורמה,DarkMoon מתחיל בגילוי. הוא מזהה יציאות פתוחות, שירותים, פרוטוקולים, מסגרות יישומים, מערכות ניהול תוכן, ממשקי API ופרטים גלויים אחרים של משטח ההתקפה.

לאחר מכן, הפלטפורמה בוחרת סוכני משנה מיוחדים על סמך מה שהיא מוצאת. לדוגמה, סוכנים ממוקדי CMS יכולים לטפל בוורדפרס, דרופל, ג'ומלה, מג'נטו, PrestaShop ו-Moodle, בעוד שסוכן Kubernetes יכול להשתמש בכלים ספציפיים ל-Kubernetes.

המטרה היא לעבור מעבר לסריקה סטטית. DarkMoon יכולה להתאים את השלבים הבאים שלה בהתבסס על תוצאות, לאמת ממצאים עם ראיות ולהפיק דוח מובנה לאחר ההערכה.

הפרויקט נשלח עם תמונת Docker הכוללת יותר מ-50 כלים. זה נותן לסוכן AI סביבת בדיקה מוכנה מבלי לדרוש מהמשתמשים להגדיר כל סורק או כלי שירות באופן ידני.

ערכת הכלים כוללת סורקי יציאות כגון Naabu ו-Masscan, כלי בדיקת אינטרנט כגון Nuclei, ffuf, dirb, sqlmap, Arjun ו-wafw00f, וכלי סיור כגון Subfinder, Katana, Waybackurls ו-httpx.

DarkMoon כולל גם CMS, Active Directory, Kubernetes, רשת ודפדפן כלי עזר ממוקדים, כולל WPScan, CMSeeK, WhatWeb, NetExec, BloodHound, סקריפטים של Impacket, kubectl, Kubescape, Kubeletctl, Hydra, curl, dig, כלי SNMP ו-Lightpanda.

קטגוריות סוכנים עיקריות

• סוכני CMS לפלטפורמות כגון WordPress, Drupal, Joomla, Magento, PrestaShop ו-Moodle.
• סוכנים ספציפיים לחסימה עבור PHP, Node.js, Flask, ASP.NET, Spring Boot ו-Ruby on Rails.
• סוכני GraphQL עבור תהליכי הערכה ספציפיים ל-API.
• סוכני Active Directory לבדיקות רשת פנימיות וממוקדות זהות.
• סוכני Kubernetes לבדיקות אשכול ועומס עבודה.
• סוכני דפדפן חסרי ראש למקרים שבהם נדרשת עיבוד או אינטראקציה עם דפדפן.

מדוע צוותי אבטחה עשויים להתעניין

DarkMoon מתאים למהלך רחב יותר לקראת בדיקות אבטחה בעזרת AI. בדיקות חדירה עדיין זקוקות לבני אדם מיומנים, אבל תזמור בינה מלאכותית יכול לעזור לצוותים להגדיל את היקף עבודת הגילוי, הסריקה, האימות והדיווח החוזרים על עצמם.

צוותי DevSecOps עשויים להשתמש בפלטפורמה מסוג זה כדי להפעיל בדיקות מורשות לאחר בנייה או לפני שינויים בייצור.ציידי ראשים וחוקרים באגים עשוייםהשתמש בו כדי להאיץ את מיפוי המטרות והטריאג', בתנאי שהם יישארו בטווח התוכנית.

עבור ארגונים, הערך העיקרי הוא עקביות. זרימת עבודה בינה מלאכותית מבוקרת יכולה ליישם את אותו תהליך הערכה על פני נכסים רבים, ליצור דוחות דומים ולצמצם שלבים שהוחמצו שנגרמו על ידי מסירות ידניות.

היכן שעדיין נדרשת זהירות

בדיקות חדירה אוטונומיות יכולות ליצור סיכון עסקי ומשפטי אם הצוותים לא מגדירים היקף בבירור. יעד שהוגדר בצורה שגויה, אי הכללה חסרה או סריקה אגרסיבית מדי עלולים להשפיע על מערכות שהבודק אינו בבעלותן או בשליטתה.

סוכני AI יכולים גם להניח הנחות שגויות. ממצא עדיין זקוק לבדיקה אנושית לפני שארגון מתייחס אליו כאל סיכון מאושר, במיוחד כאשר התוצאה משפיעה על מערכות ייצור, דיווח תאימות או נתוני לקוחות.

העיצוב של DarkMoon עצמו משתמש בשכבת ביצוע מבוקרת, אבל זה לא מסיר את הצורך בהרשאה, מגבלות קצב, רישום ותהליכי בקרת שינויים.

אמצעי הגנה מומלצים לפני השימוש

• הפעל את DarkMoon רק נגד מערכות שבבעלותך או שיש לך הרשאה בכתב לבדוק.
• הגדר היקף יעד, אי הכללות, אישורים ועוצמת בדיקה לפני תחילת הערכה.
• השתמש בסביבות בדיקה מבודדות בעת הערכת הכלי בפעם הראשונה.
• סקור כל ממצא שנוצר לפני שתשתף אותו כפגיעות מאומתת.
• שמור יומנים של ביצוע הכלי, היקף היעד, חותמות הזמן ואישורי המשתמשים.
• תיאום עם בעלי המערכת לפני הפעלת בדיקות מול נכסי ייצור.
• הגבל גישה למפתחות API של LLM, אישורי יעד ודוחות שנוצרו.
• מעקב אחר פעילות רשת יוצאת מסביבת Docker.

איך זה בהשוואה לסורקים מסורתיים

המגמה הגדולה יותר

DarkMoon משקף שינוי רחב יותרבכלי אבטחת סייבר. סוכני AI עוברים מתפקידי ייעוץ פשוטים למערכות שיכולות לתכנן זרימות עבודה, להפעיל כלים, לפרש תוצאות ולהפיק דוחות.

פרויקטי מחקר כגון PentestGPT ומסגרות בדיקה אוטונומיות חדשות יותר כבר הראו עניין רב בבדיקות חדירה מרובי סוכנים ו-LLM. DarkMoon מביאה את הרעיון הזה לשרשרת כלים בקוד פתוח הבנויה סביב כלי אבטחה אמיתיים.

הכיוון ברור: יותר בדיקות אבטחה יהפכו לאוטומטיות ומונעות על ידי סוכנים. האתגר הוא להפוך את האוטומציה הזו לבטוחה, בעלת היקף, ניתנת לביקורת ושימושית עבור מגינים ולא מסוכנת או רועשת.

תַקצִיר

• DarkMoon היא פלטפורמת בדיקת חדירה אוטונומית המופעלת על ידי AI בקוד פתוח.
• הוא משתמש בסוכני AI, שכבת ביצוע מבוקרת MCP וארגז כלים של Docker.
• ארגז הכלים כולל יותר מ-50 כלי אבטחה עבור אינטרנט, רשת, CMS, Active Directory, Kubernetes ועבודות סיור.
• הפלטפורמה תומכת בספקי LLM בענן ובאפשרויות מודל מקומי.
• הערך העיקרי שלו הוא אוטומציה של הערכה חוזרת, מבוססת ראיות.
• צוותים צריכים להשתמש בו רק בסביבות מורשות עם היקף ברור וביקורת אנושית.

שאלות נפוצות