用途
DarkMoon 是面向自有基础设施的开源自主 AI 渗透测试平台（项目地址 https://github.com/ASCIT31/Dark-Moon）。用户将其指向一个已获授权的目标，它便自主运行完整评估：进行推理、规划，并调度 50 个专业智能体，通过受控的 MCP 层执行真实攻击性操作，随后为每个漏洞给出精确命令、原始输出和证据。官方定位是：它不取代渗透测试人员，而是用带证据的方式清掉评估中重复性的部分，让专家把时间用在判断而非苦力上。
主要能力
- 覆盖范围：50 个专业智能体，横跨 Web、API、云、Active Directory、Kubernetes、CI/CD 以及 AI/LLM（OWASP LLM Top 10）。
- 找到并证明：每个漏洞附带精确命令与原始输出（利用由智能体断言；Pro 的修复复测是机器验证环节），几乎没有需要人工分流的内容。
- 本地 LLM + 隐私网关：网关在本地对真实 IP、主机与凭据进行令牌化，模型基于占位符推理，真实值留在用户边界内。
- 开源可审计：GPLv3、自托管，每个智能体的方法论都是可直接阅读、diff 和 fork 的纯 Markdown。
- 工作流编排：智能体编排会依据目标上检测到的技术栈动态选择并派发专家智能体；需要凭据才有意义的平面（云账户、CI/CD、密钥库、数据库、Active Directory、Kubernetes）不会凭推断派发，只有在发现具体产物（密钥、令牌、可达的元数据端点）或用户显式授权时才会触发，否则会在报告中标记。
- 方法论对齐：作为战略级 AI 安全智能体编排器，对齐 ISO 27001、NIST SP 800-115 与 MITRE ATT&CK 方法论。
自动执行流程：发现目标环境（端口、服务、协议）→ 指纹识别技术栈（框架、CMS、API）→ 建模攻击面 → 依据检测到的技术部署专门子智能体 → 执行具备反应式自适应能力的智能漏洞扫描循环 → 用证据（请求、载荷、响应）验证发现 → 生成结构化审计报告。多个智能体可在混合架构上并行执行。
使用方式
开源版是命令行工具（克隆仓库后得到的就是它）。从命令行启动评估，实时观察每个智能体、命令与发现的流式输出。install.sh 以交互方式配置 LLM 提供方（无需编辑 docker-compose.yml）并构建完整技术栈，支持云提供方（Anthropic、OpenAI、OpenRouter…）和本地模型（Ollama、llama.cpp）。
前提条件：Docker 与 Docker Compose，以及一个 LLM API 密钥（或本地模型）。具体安装与运行命令、GPU 设置、环境变量与完整参数参考见官方完整文档（Full Documentation）。参考链接包括 Quick Start、Install & Run (OSS)、Demo (Pro)。
范围定义支持在命令行直接完成，包括零配置快速渗透测试与 bug bounty 模式（自动激活相应标志）。关键标志包括 FOCUS、EXCLUDE、CREDS、TOKEN、NOISE、SEVERITY、FORMAT 等，均由 AI 自然解释；EXCLUDE/FOCUS 为自由形式语法，支持高级多目标范围定义（细节见完整文档 Scope Definition）。
集成方面，可在既有的构建位置运行：GitHub、GitLab、Jenkins、VS Code、JetBrains、n8n、Grafana 与 Splunk。标注为 OSS + Pro 的集成适用于开源版（本地 CLI + JSON）；仅 Pro 的集成消费 DarkMoon Pro REST API。所有集成都只输出安全元数据（严重性、状态、MITRE、ID），绝不包含证据、密钥或令牌。完整指南见 docs.dark-moon.org。
架构上：AI 负责推理与规划，MCP 控制可执行内容，Toolbox 在 Docker 内运行隔离工具，AI 绝不直接接触系统。内置工具为专门构建的 Docker 镜像，多阶段构建中编译并优化了 140+ 安全工具，全部工具可直接使用、无需配置路径。
示例提示词与更多场景（包括 DVGA、Juice Shop、无头浏览器）见完整文档 Prompt Examples。
适用场景
- 安全团队：对基础设施运行持续自动化渗透测试。
- DevSecOps 流水线：将 AI 驱动的安全研究集成进 CI/CD。
- Bug bounty 猎人：以自主目标分析加速道德黑客工作。
- 安全研究人员：用可实时自适应的 AI 网络安全平台探索攻击面。
- 培训与教育：通过有引导、可复现的评估学习攻防安全。
限制与边界
- 只应用于自有基础设施或已获授权的目标。
- 开源版为 CLI；Web 仪表盘与自动化修复到 pull request 均不属于开源构建。
- 官方基准为对 OWASP Juice Shop 的可复现黑盒运行（使用云端前沿模型 Anthropic Claude），共 57 个真实漏洞；本地模型覆盖率取决于所运行的模型。
- 需要凭据的平面不会凭推断派发，仅在有具体产物或显式授权时触发。
- 付费的 Darkmoon Pro 提供：Web 仪表盘、带 CVSS 与 ATT&CK 映射的发现、可导出的 Web 报告（Markdown 与 PDF）、轨道式攻击面地图、定时循环运行、活动视图，以及"从发现到修复"的自动化修复（发现 → 沙箱验证修复 → 人工评审 pull request → 针对原始利用复测，且绝不自动合并）。Pro 还支持一键在任意云部署（需要有效的 Pro 许可证密钥，无需专有硬件或云市场）。
- 关于收费、价格与硬件销售等细节：资料显示 Pro 为付费版本，需要有效许可证密钥，但未提供具体价格信息。
许可：GNU General Public License v3.0。项目由 ASC-IT 构建，官方标注为开源、AI 驱动、法国制造。