RepoRadar Dark-Moon: автономное решение для пентестинга с ИИ
Dark-Moon — это open-source решение для автономного пентестинга на базе ИИ. Проект использует 50 специализированных агентов для анализа различных инфраструктур, включая веб, API, облако и Kubernetes, что позволяет глубоко проверять системы на уязвимости.
Основная задача Dark-Moon — упростить и автоматизировать процесс тестирования безопасности твоей инфраструктуры. В отличие от традиционных средств пентестинга, работа идет через локальную LLM, что обеспечивает защиту данных и конфиденциальность. Интеграция с популярными инструментами разработки, такими как GitHub и Jenkins, позволяет поддерживать привычный рабочий процесс.
Запуск проекта не требует сложных настроек, достаточно установить локальную модель ИИ. Однако стоит отметить, что проект находится на стадии активной разработки, что может быть связано с недостаточной стабильностью. Также проверь, соответствуют ли условия лицензии твоим коммерческим требованиям.
DarkMoon
### Автономное AI тестирование на проникновение — находит, эксплуатирует и квалифицирует уязвимости на твоей инфраструктуреDarkMoon — это платформа для тестирования на проникновение с использованием искусственного интеллекта. Она предназначена для автоматизированного анализа безопасности твоей инфраструктуры. Указав авторизованную цель, DarkMoon самостоятельно проведёт оценку, документируя все уязвимости с точными командами и результатами.
Зачем нужен DarkMoon?
Главная цель DarkMoon — автоматизировать рутинную часть проведения тестов на проникновение. Программа находит уязвимости, подтверждает их наличие и предоставляет детальную документацию по каждой уязвимости, что позволяет специалистам сосредоточиться на анализе данных и разработке решений.
Как установить и запустить
Чтобы начать работу с DarkMoon, следуй этим шагам:
git clone https://github.com/ASCIT31/Dark-Moon.git
cd Dark-Moon
./install.sh
Скрипт install.sh спрашивает настройки для провайдера LLM, избежав необходимости редактировать docker-compose.yml. Он поддерживает как облачные решения (например, OpenAI), так и локальные модели.
После установки ты можешь запустить первый тест в реальном времени:
./darkmoon.sh "TARGET: example.com"
./darkmoon.sh --log <session_id>
Для работы необходимы Docker, Docker Compose и API-ключ для LLM (или локальная модель). Все детали по настройкам смотри в [Полной документации](docs/full.md).
Как это работает
DarkMoon функционирует как orchestrator (орchestrator) безопасности, использующий 50 специализированных агентов. При запуске теста платформа:
- Открывает цели и их окружение (порты, сервисы, протоколы);
- Идентифицирует технологический стек;
- Моделирует атакующие поверхности;
- Запускает специализированные агенты для выполнения тестов;
- Собирает и проверяет находки, предоставляя чёткие отчёты.
Ограничения и обмен данными
DarkMoon гарантирует безопасность данных, используя локальную токенизацию, что позволяет избежать утечек конфиденциальной информации. Все командные запросы проходят через контролируемый интерфейс, и AI не выполняет команды напрямую, что обеспечивает дополнительный уровень безопасности.
Также стоит отметить, что стандартная версия DarkMoon — это инструмент командной строки. В платной версии DarkMoon Pro доступны функции веб-дашборда и автоматизированной обработки уязвимостей.
DarkMoon идеально подходит для команд безопасности, специалистов DevSecOps и профессиональных этичных хакеров, предоставляя мощный набор инструментов для тестирования на проникновение.
Радар проекта: 73 из 100 — крепкий проект
- Импульс 36 ≈ 6 звёзд в день
- Темп разработки 71 56 коммитов за 12 недель
- Зрелость 78 проекту 24 месяца, 9 релизов
- Сообщество 60 19 участников, 208 форков
- Свежесть 90 последний коммит — 18 дней назад
- Быстрый старт 90 есть: команда установки, Docker, сайт/демо
- Готовность к продакшену 70 релиз v1.6.0, автосборка
- Безопасность и доверие 75 лицензия GPL-3.0, организация
- Документация 100 README 26.6 тыс. знаков, 26 разделов, папка docs
- Экосистема 64 12 подписчиков на обновления, 20 тем
Как считаем
Только открытые данные GitHub на 14.11.2026, без оценок нейросети. Каждая ось — от 0 до 100, итог — среднее.
- Импульс — звёзд в день: за время наших замеров, а пока их нет — за всю жизнь проекта; 200 в день — максимум.
- Темп разработки — коммитов за последние 12 недель; 300 — максимум. Пока GitHub не досчитал статистику, ось не учитывается.
- Зрелость — возраст проекта (3 года — максимум) и число релизов (30 — максимум), поровну.
- Сообщество — участников с коммитами (200 — максимум) и форков (5000 — максимум), поровну.
- Свежесть — дней с последнего коммита: сегодня — 100, полгода и больше или архив — 0.
- Быстрый старт — в README есть команда установки, раздел «быстрый старт» или примеры использования, в репозитории — Docker и папка примеров, у проекта есть сайт или демо.
- Готовность к продакшену — релизы, версия 1.0 и выше, автосборка (GitHub Actions), тесты, лицензия, журнал изменений.
- Безопасность и доверие — открытая лицензия (своя — половина балла), политика безопасности (SECURITY.md), проект организации, правила для участников, не в архиве.
- Документация — объём и структура README, папка docs или сайт, оценка «здоровья сообщества» GitHub.
- Экосистема — звёзды (50 тыс. — максимум), подписчики на обновления (1000 — максимум), темы репозитория.
Открыть на GitHub: ASCIT31/Dark-Moon →
