AboutSecurity：AI 时代的渗透测试知识库

想象一个场景：你正对一个目标做渗透测试，面对一台陌生的 Redis 服务，手握 nmap 端口扫描结果，却不知道接下来该从哪里下手——是尝试未授权访问，还是爆破弱口令，还是找已知漏洞？传统做法是翻笔记、查 Google、在多个工具之间来回切换。而 AboutSecurity 想要做的，是把这一切变成 AI Agent 可以理解并直接执行的格式。

项目起源：安全知识不该是一盘散沙

AboutSecurity 由国内网络安全团队 WgpSec（武器狂人安全团队）发起和维护。这是一个专注于渗透测试知识体系化整理的开源项目，核心思路是将纷繁复杂的安全技术文档，以 Skill（技能方法论） 的形式结构化沉淀，使其能够被 AI Agent 直接读取、理解并调用。

项目创始人曾在多个安全社区分享过他们的观察：当前 AI Agent 在安全领域的应用，最大的瓶颈不是模型能力不足，而是缺乏高质量的结构化知识输入。大多数安全工具只有 API 文档，却没有"什么场景下该用什么工具"的决策逻辑。AboutSecurity 正是填补这个空白的尝试——它不是一份普通的安全笔记，而是一套可被 AI 消费的技能体系。

知识架构：三层结构覆盖渗透全链路

项目的内容组织分为三大核心模块：

Skills — 技能方法论（200+）

Skills 目录是整个项目的核心资产，按渗透测试的杀伤链（Kill Chain）逻辑组织，覆盖从侦察（Recon）到后渗透（Post-Exploitation）的每一个环节。每个 Skill 本质上是一份结构化的方法论文档（SKILL.md），告诉 AI "遇到 X 场景应该怎么做"。具体分类包括：

• ai-security/ — AI 安全专章，包含 Prompt 注入、模型越狱（jailbreak）、Prompt 泄露和 Agent 攻击链。这部分直接回应了当前大语言模型和 AI Agent 广泛部署背景下的新兴安全威胁。随着 AI 应用从实验室走向生产环境，Prompt 注入攻击（如著名的"奶奶漏洞"）和 Agent 越权调用已成为实际风险，AboutSecurity 率先将这些知识结构化。
• cloud/ — 云原生安全，涵盖 Docker 逃逸、Kubernetes 攻击链、AWS IAM 横向移动、阿里云和腾讯云的专项攻击手法，以及 Serverless 环境的特殊攻击面。云环境是当前渗透测试中最复杂也最常见的场景之一，容器和 K8s 的默认配置漏洞尤其值得关注。
• exploit/ — 漏洞利用方法论，按子分类组织：Web 方法论（SQL 注入、XSS、SSRF、SSTI、文件上传、WAF 绕过）、认证授权（JWT、OAuth/SSO、IDOR、CORS、CSRF）、高级利用（HTTP 走私、竞态条件、供应链攻击、OT/ICS）、网络服务（按端口/协议分类：SMB、FTP、SMTP、DNS、LDAP 等）。
• postexploit/ — 后渗透模块，是整个知识体系中技术深度最高的区域。分为 Linux/Windows 提权、凭据窃取、持久化维持（cron、服务、webshell）、工具投递，以及针对特定产品（ArgoCD、Harbor、数据库、中间件、Portainer、RabbitMQ）的专项后渗透技战术。
• recon/ — 侦察模块，覆盖子域名枚举、被动信息收集、JavaScript 文件中的 API 端点提取等入口侦察技术。
• lateral/ — 横向移动，重点是 Active Directory 域环境攻击（NTLM 中继、Kerberoasting、ACL 滥用）。
• malware/ — 恶意软件分析，样本分析方法论、C2 Beacon 配置提取、沙箱检测规避实现。
• evasion/ — 免杀对抗，C2 框架使用、Shellcode 生成、安全研究工具链。
• code-audit/ — 代码审计，PHP 和 Java 两大主流语言的安全审计 Skill 系统，覆盖注入、文件操作、反序列化、认证漏洞和框架层漏洞利用链。

此外还有 ctf/（CTF 竞赛题目方法论）、dfir/（数字取证与反取证）、hardware/（硬件/物理安全）、mobile/（Android/iOS 移动应用渗透）、threat-intel/（威胁情报对抗）、tool/（主流工具 fscan、nuclei、sqlmap、msfconsole、ffuf、hashcat 的使用指南）。

Dic — 结构化字典库

字典是渗透测试中的"弹药"，AboutSecurity 的字典库采用全小写连字符命名规范，每个子目录配有 _meta.yaml 元数据文件，方便 AI 理解和检索。覆盖范围包括：

• auth/ — 用户名/密码字典，含复杂度规则密码、WPA 握手密码、拼音姓名库
• port/ — 按服务分类的爆破字典（MySQL、Redis、SSH 等 19 种）
• regular/ — 通用字典（数字序列、字母表、地址、关键词）
• web/ — Web 目录、API 参数名、中间件指纹、上传绕过、Webshell 特征、HTTP 请求头

Payload — 攻击载荷库

Payload 目录同样采用结构化组织，每类攻击载荷配有元数据：

• sqli/、xss/、ssrf/、xxe/、lfi/、rce/、upload/、cors/、hpp/、format/、ssi/、email/、access-bypass/、prompt-injection/

特别值得注意的是 prompt-injection/，这是 AI 安全专项 Payload，与 Skills/ai-security/ 模块呼应，形成了从检测到利用的完整知识闭环。

Vuln — 漏洞数据库

项目还维护了一个 600+ 条的结构化漏洞库（Vuln/），按产品分类：

• ai/ — AI 平台漏洞（ComfyUI、Dify、LangFlow、AnythingLLM 等）
• cloud/ — 云平台漏洞（AWS API Gateway 等）
• middleware/ — 中间件漏洞（ActiveMQ、Nacos、Grafana、Jenkins、RocketMQ 等 394 条）
• network/ — 网络设备漏洞
• web/ — Web 应用漏洞

技术特色：Claude Code 原生集成

AboutSecurity 最有特色的设计在于它的与 AI 编程工具的深度集成。

项目提供了 ./scripts/sync-claude-skills.sh 脚本，可以将仓库中按分类嵌套组织的 Skill 文件，同步到任意项目的 .claude/skills/<name>/SKILL.md 扁平结构中。这样一来，Claude Code 等 AI 编程工具就能在对话中自动匹配并加载相关的渗透测试方法论，实现"自然语言驱动渗透测试"的工作流。

更进一步，项目方还开发了独立的 MCP 服务 context1337，这是一个专门将 AboutSecurity 转化为可消费 API 的服务。部署后，只需一条 make run 命令即可启动，然后通过 claude mcp add aboutsecurity --transport http http://localhost:1337/mcp 接入 Claude Code，用自然语言搜索全部安全资源——"搜索 SQL 注入相关资源"、"列出所有 XSS payload"、"查找 Apache 高危漏洞"。

图1：WgpSec 团队 GitHub 头像

使用方式：从 git clone 到 AI 驱动

整个项目的使用流程被设计得极为轻量：

1. 直接克隆使用：git clone 后，字典和 Payload 文件可直接通过 Read 工具引用，无需安装任何依赖
2. Skill 同步：运行 sync-claude-skills.sh --target /path/to/your-project 将技能同步到工作项目，Claude Code 自动识别
3. MCP 服务接入：部署 context1337，通过 HTTP MCP 接口以自然语言消费全仓库资源

项目本身无 Dockerfile、无 Web UI、无 Python/Node 依赖，是真正的"零运维"知识库。

行业意义：填补 AI 安全助手的知识空白

AboutSecurity 的出现，折射出 AI 安全领域的一个根本矛盾：模型越来越强，但模型不知道安全测试该怎么做。传统的渗透测试高度依赖经验积累和安全直觉，这些隐性知识从未被很好地结构化。AboutSecurity 通过 Skill 格式将这些隐性知识显性化，为 AI Agent 提供"做什么"和"怎么做"的方法论指导。

从数据规模看，项目已积累 200+ 技能方法论、600+ 漏洞条目、多类结构化字典和 Payload，覆盖渗透测试全生命周期。这在 GitHub 安全类仓库中属于体量最大、体系最完整的知识库之一。项目最近更新于 2026 年 5 月，仍处于活跃维护状态。

当然，这个项目也有明显的局限：它是知识库，不是工具集。Skill 告诉你方法论，但具体的漏洞利用仍需借助其他工具；Skill 的质量依赖于贡献者的专业水平，不同 Skill 之间的深度和实用性可能参差不齐；另外，项目以中文为主，对英文安全社区的覆盖有限。

总体而言，AboutSecurity 代表了安全知识工程化的一种新方向——让安全知识可以被 AI 理解和使用，这在 AI Agent 大规模落地的今天，具有重要的探索价值。

技术指标： Python 项目（仓库语言统计），非容器化，纯静态文件仓库，无 Web UI，部署难度极简。