PentestGPT 部署指南完整上手 AI 驱动的自动化渗透测试工具【免费下载链接】PentestGPTAutomated Penetration Testing Agentic Framework Powered by Large Language Models项目地址: https://gitcode.com/GitHub_Trending/pe/PentestGPT手动渗透一个目标要多久端口扫描、漏洞探测、payload 构造、报告撰写一轮流程走下来半天起步。PentestGPT 把这套工作交给大语言模型LLM自动分析目标、调度安全工具、跑完整个渗透测试流程并输出结果。本文以 Docker 方式为例说明如何从零部署这套 AI 渗透测试工具、接入本地模型并实际跑起来。认识 PentestGPT一句话定位由 LLM 驱动的自动化渗透测试代理框架Automated Penetration Testing Agentic Framework。三条核心能力自动目标识别分析目标系统类型圈出潜在攻击面实时进度跟踪AI 处理挑战时每一步操作可见多类别挑战支持Web 应用、密码学、逆向工程、取证分析、PWN、权限提升适用场景CTF 实战以及真实环境中的授权渗透测试。部署前 检查清单检查项要求说明Docker已安装并运行部署前提未安装可执行下方官方脚本内存≥ 4 GB 可用支撑 LLM 推理过程网络稳定连接拉取镜像与调用 LLM APILLM 接入AnthropicAPI 密钥需提前申请密钥LLM 接入Claude OAuthOAuth 登录前提是有可用的 Claude 订阅LLM 接入OpenRouter替代模型三选一即可Docker 未安装时Ubuntu/Debian 系统可用官方脚本装好并验证curl -fsSL https://get.docker.com -o get-docker.sh sudo sh get-docker.sh sudo systemctl start docker sudo systemctl enable docker docker --version docker run hello-world预期hello-world容器运行并打印成功信息若报 daemon 未启动先sudo systemctl start docker。从零到跑起来获取代码git clone --recurse-submodules https://gitcode.com/GitHub_Trending/pe/PentestGPT.git cd PentestGPT预期本地生成PentestGPT目录且基准测试子模块一并就位。构建与配置make install make config预期make install构建出包含全部安全工具的 Docker 镜像make config进入首次配置界面让你选择 LLM 提供商并填写凭据。连接容器make connect预期进入容器的交互式终端界面。提示--recurse-submodules负责下载完整的基准测试套件。如果克隆时漏了它执行git submodule update --init --recursive补齐。第一次实测在容器内跑一个基准测试样例验证整条链路是否就绪cd benchmark/standalone-xbow-benchmark-runner python3 run_benchmarks.py --range 1-1 --pattern-flag判断标准输出中出现了 flag 匹配结果说明 LLM 连接、工具链、基准环境三者都通了若报连接错误或工具缺失直接翻到文末的常见坑一节。架构拆解项目采用模块化设计三个核心模块分工如下pentestgpt/core/核心引擎负责 AI 推理与任务调度pentestgpt/tools/工具集成预置各类安全测试工具pentestgpt/interface/界面组件提供用户交互体验日常使用姿势三种启动模式pentestgpt --target 10.10.11.234 pentestgpt --target 10.10.11.100 --non-interactive pentestgpt --target 10.10.11.50 --instruction WordPress站点重点关注插件漏洞分别对应交互式 TUI推荐、非交互模式、带上下文的定向测试。快捷键速查按键功能F1显示帮助信息CtrlP暂停 / 恢复操作CtrlQ退出程序接入本地模型先用make config选择本地模型再启动本地 LLM 服务后重连容器make config # 配置界面选择选项 4Local LLM # 本地 LLM 服务器启动完成后 make connect关键配置项都在 scripts/ccr-config-template.json 里localLLM.api_base_urlLLM 服务器地址默认host.docker.internal:1234localLLM.models服务器上可用的模型名称路由配置指定不同模型处理特定操作性能数据 ⚡ 说话PentestGPT 在 104 个 XBOW 验证基准上的表现指标数值总用例 / 成功率104 个用例 / 86.5%每成功一个的成本平均 $1.11中位数 $0.42每成功一个的耗时平均 6.1 分钟中位数 3.3 分钟难度级别 1 成功率91.1%难度级别 2 成功率74.5%难度级别 3 成功率62.5%常用跑测命令run_benchmarks.pypython3 run_benchmarks.py --range 1-10 --pattern-flag python3 run_benchmarks.py --all --pattern-flag python3 run_benchmarks.py --retry-failed python3 run_benchmarks.py --dry-run --range 1-5常见坑 与解法连接被拒绝怎么办确认 LLM 服务器正在运行并监听配置的端口再检查 Docker 网络配置两项都正常仍失败时查日志见下条。容器里能用localhost访问宿主机服务吗不能。从 Docker 访问宿主机要用host.docker.internal这是本地模型连不上时最常见的误配。想看详细日志在容器内执行cat /tmp/ccr.log即可。首次使用建议从简单的 CTF 挑战入手熟悉流程后再上真实目标按实际测试需求选择目标并给推理过程留足内存。PentestGPT 仅限用于授权的安全测试与教育目的请始终针对有明确权限的目标运行并遵守所在地区的法律法规。【免费下载链接】PentestGPTAutomated Penetration Testing Agentic Framework Powered by Large Language Models项目地址: https://gitcode.com/GitHub_Trending/pe/PentestGPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考