什么值得买App下载 App ›
连续签到专享现金活动

GitHub 一个逆天项目,AI 黑客要火了!

在安全测试工作中,技术人员常面临工具碎片化的问题。nmap 扫描端口、whatweb 识别服务、nikto 检测漏洞等步骤往往独立进行,需要人工手动串联各工具的输出结果。这种流程不仅效率低下,且在多工具切换过程中容易因人为疏忽遗漏关键信息。GitHub 上的 METATRON 项目通过引入 AI Agent 机制,试图解决这一痛点,将离散的安全工具整合为自动化的分析闭环。
01核心功能与运行原理
METATRON 是一款专为 Parrot OS 设计的本地 AI 渗透测试助手。它并非简单的脚本集合,而是通过内置的 Agentic Loop(智能体循环)模拟安全工程师的作业思维。系统首先自动调用 nmap、whois、whatweb、curl、dig、nikto 等工具进行全方位侦察,随后将收集的原始数据喂给本地的 AI 模型 metatron-qwen。该模型基于 Qwen 3.5 微调,能够对数据进行深度分析。
  • 自动侦察
    自动调起 nmap、whois、whatweb 等工具,依次执行端口扫描、服务识别等任务。
  • 智能分析
    利用 metatron-qwen 模型处理工具输出,分析潜在漏洞及利用思路。
  • 主动补全
    在分析过程中,若 AI 判定信息不足,会主动请求补跑相关工具,直至获取足够判断依据。
  • 结果管理
    自动将分析结果、修复建议存入本地 MariaDB,支持历史查询、编辑及导出 PDF/HTML 报告。
02离线部署与数据安全

部署模式对比

数据不出域
  • 使用 Ollama 在本地运行模型,无需 API Key。

  • 利用 DuckDuckGo 本地查询 CVE,不依赖外部敏感接口。

  • 所有扫描数据、目标信息及分析结果均存储于本地 MariaDB。

  • 杜绝敏感目标信息泄露给第三方云端服务的风险。

云端协作模式
  • 需要将目标端口信息、服务版本等发送至云端 API 分析。

  • 对于企业内网或涉密目标,存在合规性与数据泄露风险。

  • 依赖网络环境,离线环境无法使用。

03安装与配置流程
  1. 环境准备
    克隆项目并安装系统所需的依赖工具。
  2. 模型部署
    安装 Ollama 并拉取基础模型(建议设备内存 8GB 以上)。
  3. 模型构建
    执行构建命令生成定制化的 metatron-qwen 模型。
  4. 数据库初始化
    根据 README 中的 SQL 脚本在 MariaDB 中手动建表。
  5. 启动服务
    开启两个终端,分别运行 `ollama run metatron-qwen` 加载模型和 `python metatron.py` 启动主程序。
04使用边界与局限
尽管 METATRON 实现了自动化闭环,但在实际应用中仍存在明确边界。首先,分析质量高度依赖 Qwen 3.5 模型在安全领域的知识深度,面对复杂场景或特殊漏洞时,仍需具备专业知识的人员进行二次人工判断。其次,该项目目前仅官方支持 Parrot OS,虽然 Kali 或其他 Debian 系发行版理论上兼容,但未经完全测试,可能存在兼容性问题。此外,该工具仅适用于已获得授权的安全测试目标。

评论

评论区空态插画

当前文章无评论,是时候发表评论了