CyberStrikeAI
首款 AI 原生渗透测试平台，用自然语言驱动 100+ 安全工具自动化攻击链
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
首款 AI 原生渗透测试平台，用自然语言驱动 100+ 安全工具自动化攻击链
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象这样一个场景：深夜，红队工程师小王需要对目标企业做一次完整的渗透测试。传统方式下，他要同时操控十几个工具——Nmap 扫描、Nikto 探测、SQLMap 注入、Metasploit 利用……每个工具都要单独配置参数，输出结果还要手动汇总分析，一个人忙到天亮都不一定能理清攻击链的全貌。
而现在，他只需要打开 CyberStrikeAI 的 Web 控制台，用自然语言告诉 AI："对这个 IP 段做一次完整的 Web 安全测试"，系统就会自动规划攻击路径、依次调用合适的工具、分析结果、发现漏洞，并生成完整的渗透测试报告。这就是 CyberStrikeAI 想要解决的问题——用 AI 把安全测试的效率提升一个数量级。
CyberStrikeAI 由独立安全研究者 Ed1s0nZ 开发维护，是一个基于 Go 语言构建的 AI 原生渗透测试平台。项目名称中的 "Strike" 透露出其核心定位——不是温和的漏洞扫描，而是面向实战红队场景的主动攻击能力。
该项目在 GitHub 上获得了超过 4000 颗星，社区活跃度较高，作者维护及时。其设计融合了近年来 AI Agent 领域的最新进展（尤其是 MCP 协议和 CloudWeGo Eino 编排框架），将传统的安全工具生态与 LLM 决策能力深度结合。
如果说传统安全工具是单一功能的"瑞士军刀"，那 CyberStrikeAI 更像是一套配备了 AI 管家的"自动化军工厂"。它不替代现有的 100+ 安全工具，而是智能编排这些工具，让它们协同工作。
这个理念的巧妙之处在于：安全行业积累了几十年的成熟工具（Nmap、SQLMap、Nuclei 等）经过了实战检验，可靠性远非 AI 生成的 exploit 代码可比。CyberStrikeAI 选择站在这些工具的肩膀上，用 AI 做最擅长的事——理解任务目标、规划攻击路径、协调工具调用、分析结果反馈。
1. 智能编排引擎：基于 CloudWeGo Eino 框架，支持 Deep（深度探索）、Plan-Execute（计划-执行）、Supervisor（监督者）三种编排模式，既能应对简单单点探测，也能驾驭复杂多轮决策场景。
2. MCP 协议原生支持：深度集成 Model Context Protocol，支持 HTTP/stdio/SSE 三种传输模式。既能作为 AI Agent 调用外部 MCP 工具，也能作为 MCP 服务器被其他 AI 系统调用。
3. 角色化测试系统：预置 14 种安全测试角色（YAML 格式），覆盖渗透测试、CTF、云安全审计等场景，每个角色绑定不同的工具集和提示词策略，支持自定义扩展。
4. 内置轻量 C2 能力：差异化核心能力——内置轻量级 C2 系统（TCP/HTTP/HTTPS/WebSocket 监听器、加密 Beacon、会话管理、Payload 生成）。配合人机协同（HITL）机制，安全团队可在 AI 自动执行与人工审批间灵活切换。仅限授权测试。
Go 语言选择体现了对高并发的追求——同时扫描大量目标时性能优势明显。
CyberStrikeAI 提供完整 Web 管理界面：系统仪表盘、对话管理、漏洞管理、WebShell 管理（兼容冰蝎/蚁剑）、Agent/角色管理、钉钉/飞书机器人集成。
但项目未提供 Dockerfile/docker-compose，需手动安装 Go 1.21+ 和 Python 3.10+，执行 run.sh 安装依赖，配置 config.yaml。对习惯 Docker 的用户有一定门槛。
1. 误用风险：内置 C2 能力是把双刃剑，易用性对非专业用户有吸引力，需要负责任的文档引导。
2. 强依赖 LLM API：AI 能力完全依赖外部大模型，网络受限或 API 不可用时降级明显。
3. 测试覆盖不足：Go 单元测试覆盖核心逻辑，但 Eino 编排流式调用缺乏 Mock 测试，对安全工具稳定性有隐患。
CyberStrikeAI 折射出一个重要趋势：AI Agent 正在从"对话助手"向"执行代理"演进。安全测试是这一趋势的理想场景——任务边界清晰、工具链成熟、决策空间可控。项目在 2025-2026 年间快速增长，版本迭代频繁（v1.6.29），对 AI + 安全交叉领域有重要参考价值。
本报告由 PIFS AI 项目情报系统自动生成。图片均来自项目官方 GitHub 仓库。