Shannon 实测:104 道挑战命中 100 项的 AI 渗透测试流水线
【免费下载链接】shannonShannon is an AI pentester for web applications and APIs. It analyzes your source code, identifies attack vectors, and executes real exploits to prove vulnerabilities before they reach production.项目地址: https://gitcode.com/GitHub_Trending/shan/shannon
Shannon 是 Keygraph 开源的 AI 渗透测试代理,面向 Web 应用与 API。它先读源码规划攻击路径,再对运行中的目标执行真实利用,只有拿到可复现 PoC 的漏洞才会进入最终报告。
它是怎么跑的:从一条命令到一份报告
启动时,CLI 拉取 worker 镜像,把目标仓库以只读方式挂进一个临时 Docker 容器,整场扫描在隔离环境里进行。
编排逻辑在 apps/worker/src/temporal/ 中实现,流程分五段:
- 预侦察:静态读取代码库,定位框架、入口点和数据流
- 侦察:浏览器自动化探索线上应用,把运行时行为与代码上下文对齐
- 漏洞分析:注入、XSS、SSRF、认证、授权五类代理各自领任务,提示词就在 apps/worker/prompts/
- 漏洞利用:发起真实攻击,证伪即丢弃,只保留可复现的 PoC
- 报告:汇总证据与修复建议,产出 Markdown 交付物
每段结束都会落一个检查点。任务中断后从同一 workspace 恢复,已完成的代理不会重跑。
数据说话:XBOW 基准与真实报告
XBOW 基准共 104 项挑战,Shannon 命中 100 项,成功率 96.15%:
| 测试对象 | 成功率 |
|---|---|
| Shannon | 96.15% |
| 资深人工渗透测试员 | 85% |
| XBOW | 85% |
| Cyber-AutoAgent | 84.62% |
| MAPTA | 75% |
白盒模式是它的主场:源码驱动的攻击规划让代理直接对准现实中的攻击路径,而不是盲目爆破。
示例报告同样能对上账:OWASP Juice Shop 挖出 20+ 漏洞,c{api}tal API 约 15 个严重/高危发现,OWASP crAPI 15+ 个。三份完整交付物保留在 sample-reports/,可直接对照。
上手三步:3 分钟跑起来
前置只需 Docker 和 Node 18+,以及一份模型 API Key(官方推荐 Claude)。
- 克隆仓库:
git clone https://gitcode.com/GitHub_Trending/shan/shannon,装好依赖后跑 setup 向导填入密钥 - 发起扫描:
npx @keygraph/shannon start -u https://your-app.com -r /path/to/repo,一次完整扫描约 1 到 1.5 小时,报告写进本地 workspace
适合谁、怎么用
- 研发团队:发版前挂进发布流程,补上"一年一次渗透测试"留下的 364 天空档
- AppSec 团队:在预发或沙箱环境做回归验证——它真的会注册账号、提交表单、触发外联请求,别指向生产系统
- 安全研究者:拿 Juice Shop 这类带洞应用做基线对照,看看代理到底能挖出什么
Shannon 把渗透测试从年度事件变成一条命令,报告只收它能证明的漏洞。随着多代理编排持续演进,让 AI 渗透测试跑进每次构建只是时间问题。
【免费下载链接】shannonShannon is an AI pentester for web applications and APIs. It analyzes your source code, identifies attack vectors, and executes real exploits to prove vulnerabilities before they reach production.项目地址: https://gitcode.com/GitHub_Trending/shan/shannon
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考