1、PentAGI介绍
PentAGI 是一款由vxcontrol团队开发的创新自动化安全测试工具，具备自动化和智能化的特点。PentAGI具备安全隔离、全自主性、集成多种安全工具、智能影象、实时谍报网络、团队合作和具体汇报天生等。且部署过程单一，适合安全专业人士和钻研者，可能在多种场景中高效利用，如企业安全评估、安全钻延注教育培训和开发集成。PentAGI 提供矫捷的配置和壮大的职能，极大地提升了渗入测试的效能和安全性。PentAGI的主题能力如下图所示：
2、PentAGI本地搭建
PentAGI的官网地址为
https://pentagi.com/
其github代码仓库地址为
https://github.com/vxcontrol/pentagi
能够从上述蹊径中获取PentAGI的官方问题以及最新资讯
PentAGI的装置比力单一，能够使用docker方便的进行拉取部署，其装置部署的软硬件环境要求如下：
1、Docker 和 Docker Compose
2、最低 4GB RAM
3、10GB可用磁盘空间
4、能够接见互联网以下载镜像和更新
起初创建一个工作目录
mkdir pentagi && cd pentagi
下载并沉定名配置文件
curl -o .envhttps://raw.githubusercontent.com/vxcontrol/pentagi/ｍａｓｔｅｒ/.env.example
编纂.env文件，填入自己的大模型apikey，这里使用的是deepseek大模型
vim .env
重要是对Custom LLM provider配置项进行批改
LLM_SERVER_URL=https://api.deepseek.com/v1
LLM_SERVER_KEY=sk-xxxxxx
LLM_SERVER_MODEL=deepseek-reasoner
LLM_SERVER_CONFIG_PATH=
LLM_SERVER_LEGACY_REASONING=
下载docker-compose.yml文件，拉取并启动docker镜像
curl -Ohttps://raw.githubusercontent.com/vxcontrol/pentagi/ｍａｓｔｅｒ/docker-compose.yml
docker-compose up -d
最后接见https://ip:8443/，而后使用初始账号密码admin@pentagi.com/admin登录即可。
3、PentAGI自动化渗入测试
首先部署一个Pikachu靶场系统，尝试使用PentAGI对Pikachu靶场进行自动化渗入测试并输出汇报。
提醒词为
“助我对http://xx.xx.xx.xx:8765/这个系统进行渗入测试，找出尽可能多的可利用缝隙，并输出具体的渗入测试汇报”。
能够看到PentAGI会把工作宰割为一个个子工作，而后针对每个子工作自动下载相应的安全工具进行测试。如nmap、sqlmap等。
当前阶段的子工作实现后会输出当前子工作的成就信息，并开启下一阶段的子工作。同时会凭据该阶段的成就对后续的子工作进行自动化持续优化。
好比在SQL注入测试子工作中，PentAGI能够正确的凭据上一阶段目录扫描以及在线知识库搜索的了局，鉴别出潜在的sql注入URL和参数，并挪用sqlmap号令进行测试。
在Terminal
从上述过程来看PentAGI似乎是一个比力“可用”的AI自动化渗入测试平台，但是在持续期待测试的过程中，PentAGI的一些弊端也露出了出来，一个是测试的过程极度漫长，由于PentAGI是使用配置大模型API key的方式全自动运行，支持openai、deepseek等主流LLM大模型，过程中不必要人为染指，会不休自动调整，所以比力依赖于大模型自身的响应速度。
如下图能够看到，前5个子工作从下午16时35分一向执行到了晚上的22时26分，耗时将近6个幼时。
另一个弊端就是如上图所示，发此刻运行到第6个子工作时就终止了，这其实是由于测试使用的deepseek api额度耗尽了。所以PentAGI的另一个缺点就是极度耗tokens，本次测试前在deepseek账户中充值了15元，发此刻执行完5个子工作后，api额度已经用尽。
总结
通过上述的使用过程发现，PentAGI的自动化水平比此前测试的HexStrike-AI要高好多，部署搭建过程也极度便捷，从阶段工作测试了局看来也比HexStrike-AI要好不少。PentAGI分歧于HexStrike-AI的服务端客户端分隔的模式，而是统一集成在一个Web平台中，使用过程单一，了局展示直观，是一个比力“可用”的AI自动化渗入测试平台，具备肯定的贸易化远景。但是PentAGI的缺点也比力显著，一个是自动化水平高带来过程的染指难题，整个渗入的过程都交给AI自动决策，无法进行人为调整，耗时较长；另一个是成本较高，比力适合在占有本地自建大模型的前提下进行使用。
浙公网安备 33010502006954号
浙ICP备12021012号-1
