BitterSecurity/Decepticon
요약
Decepticon은 AI 기반 위협 환경을 위한 자율 레드팀 에이전트입니다. 단순한 스캐너를 넘어, 정찰부터 측면 이동까지 실제 적대자가 수행하는 현실적인 공격 체인을 실행합니다. 이 시스템은 OPPLAN이라는 작전 패키지를 생성하고 RoE(Rules of Engagement) 등 규율 하에 작동하여 전문성을 확보했습니다.
핵심 포인트
- 자율 레드팀 에이전트로, 단순 스캐너가 아닌 실제 공격 체인 수행
- OPPLAN을 통해 RoE, ConOps 등을 포함한 작전 계획 수립 및 실행
- LiteLLM, Neo4j, LangGraph 등 핵심 관리 평면 통합
- 클라이언트 SDK를 통해 에이전트 팩토리와 미들웨어를 제공
"또 다른 AI 해커? 우리로 추측하자면 — nmap을 실행하고 보고서를 작성하는 프로그램이다."
상용 제품 데모
continuum-github.mp4
오픈 소스 CLI 데모
v1demo.mp4
사전 요구 사항: Docker 및 Docker Compose v2.
macOS (Apple Silicon + Intel), Linux (amd64 + arm64), Windows (amd64 + arm64)에서 지원됩니다 — PowerShell 또는 WSL2(Ubuntu / Kali)를 통해 네이티브로 사용 가능합니다.
macOS / Linux / WSL2
curl -fsSL https://decepticon.red/install | bash
decepticon onboard # 대화형 설정 마법사 (provider, API key, model profile)
decepticon # 핵심 스택을 시작하고 터미널 CLI로 진입합니다.
기본 실행 시 핵심 관리 평면(LiteLLM, PostgreSQL, Neo4j, Skillogy, LangGraph, sandbox)이 로드되고 터미널 CLI가 실행됩니다. 전문 작업 부하(BloodHound CE, Sliver C2, Ghidra MCP 등)와 웹 대시보드는 필요에 따라 나타나며 — 오케스트레이터는 `ops_start(
이는 클라이언트 SDK입니다: 에이전트 팩토리(agent factories), 미들웨어(middleware), 도구(tools), 스킬(skills)을 포함하며, LLM 호출과 샌드박스 실행을 HTTP를 통해 런타임 서비스로 라우팅합니다 (DECEPTICON_LLM__PROXY_URL, SANDBOX_URL). 에이전트를 실행하려면 여전히 이러한 서비스가 필요하므로, 위에 제시된 Docker 스택을 사용하거나 URL을 자체 동등물에 연결하십시오. 팩토리 오버라이드 표면(factory override surface), 선언적 PluginBundle 플러그인, 안전 게이트는 Decepticon as a library를 참조하십시오.
저희는 Decepticon을 AI 기반 위협 환경을 위한 **공격 백신(Offensive Vaccine)**으로 구축하고 있습니다. 자율 레드팀(autonomous red teaming)이 더 강력한 방어의 경로라고 믿으신다면, 이 프로젝트를 지원하는 것을 고려해 보십시오.
| 벤치마크 | 난이도 | 통과율 |
|---|---|---|
| XBOW validation-benchmarks | 쉬움 (Level 1) | 45 / 45 (100 %) |
| ... | 102 / 104 (98.08 %) |
**전체 챌린지별 인덱스, 공격 클래스 매트릭스 및 LangSmith 추적****다른 AI 침투 테스트 에이전트(Strix, PentestGPT, MAPTA, Cyber-AutoAgent, XBOW commercial 등)와의 비교)
'AI + 해킹' 분야는 nmap을 실행하고 보고서를 출력하는 데모들로 가득합니다. 이것과는 다릅니다.
Decepticon은 전문적인 자율 레드팀 에이전트입니다. 실제 적대자가 하는 방식대로 — 정찰(reconnaissance), 익스플로잇(exploitation), 권한 상승(privilege escalation), 측면 이동(lateral movement), C2 — 현실적인 공격 체인(attack chains)을 실행합니다. 스캐너가 하는 방식이 아닙니다.
하지만 더 중요한 것은 다음과 같습니다: 이는 레드티머를 스크립트 키디(script kiddies)와 구분하는 규율 하에 작동한다는 것입니다. 단 하나의 패킷이 전송되기 전에, Decepticon은 RoE, ConOps, Deconfliction Plan, 그리고 MITRE ATT&CK 매핑을 포함한 OPPLAN이라는 완전한 작전 패키지를 생성하며, 모든 행동은 정의된 규칙 내에서 실행됩니다.
체크박스 스캔이 아닌 실제 공격 체인. Decepticon은 OPPLAN을 읽고 열리는 어떤 경로를 통해서든 목표를 추구합니다 — 피벗팅(pivoting), 적응(adapting), 기술 연결(chaining techniques).
실제 대화형 셸(Interactive shells)입니다. 실제 공격 도구는 대화형입니다 (msfconsole, sliver-client, evil-winrm 등)
)). Decepticon은 영구적인 tmux 세션 내의 모든 명령을 실행하며 자동 프롬프트 감지 기능을 갖추고 있어, 도구가 대화형 프롬프트로 진입하더라도 에이전트는 우회책 없이 후속 명령을 전송합니다.
강화된 샌드박스 격리. 모든 명령어는 전용 운영 네트워크(sandbox-net)의 Kali Linux 샌드박스 내부에서 실행되며, 관리 평면(decepticon-net)과는 분리됩니다. LangGraph가 Docker 소켓을 통해 샌드박스를 구동합니다. → 아키텍처
공격이 방어에 기여한다. 계획된 Offensive Vaccine 루프는 발견 사항을 공격 → 방어 → 검증 사이클을 통해 방어 개선으로 전환합니다.
두 개의 네트워크 설계. 항상 활성화되는 관리 평면(LiteLLM, PostgreSQL, Skillogy, LangGraph)과 항상 활성화되는 샌드박스 평면은 전체 참여 기간 동안 유지되며, 그 외 모든 것은 **동적 생성(dynamic-spawn)**됩니다. 웹 대시보드는 CLI에서 /web으로 올라오고, 전문 워크로드(BloodHound CE, Sliver C2, Ghidra MCP 등)는 오케스트레이터가 ops_start(...)를 호출할 때만 올라옵니다 (ADR-0006 참조). 네트워크: 관리 평면은 decepticon-net에; 샌드박스 + C2 서버 + 타겟은 sandbox-net에 위치합니다. Neo4j는 이중 연결(dual-homed)되어 있어 에이전트가 (관리 평면에서) 샌드박스 내부에서 작성된 발견 사항을 지속적으로 유지할 수 있습니다.
→ 아키텍처 심층 분석 · 지식 그래프
킬 체인 단계별로 구성된 16개의 전문 에이전트가 각 목표마다 새로운 컨텍스트 창을 가지므로 누적되는 노이즈가 없습니다.
오케스트레이션 · 정찰(Reconnaissance) · 침투(Exploitation) · 침투 후 활동(Post-Exploitation) · 취약점 연구 · 도메인 전문 에이전트 (AD, 클라우드, 스마트 컨트랙트, 리버싱, 분석가).
티어 기반의 자격 증명 인식 폴백 체인. 우선순위 순서대로 보유한 자격 증명을 선언하면, Decepticon은 거기에서 모든 티어에 걸쳐 기본 → 폴백 체인을 구축합니다.
| 프로필 | 에이전트별 등급 | 사용 사례 |
|---|---|---|
| eco (기본값) | 에이전트당 (orchestrator/exploiter/patcher/analyst는 HIGH, execution은 MID, recon/soundwave는 LOW) | 프로덕션 |
| max | 모든 에이전트를 HIGH로 설정 | 고가치 목표물 |
| test | 모든 에이전트를 LOW로 설정 | 개발 / CI |
등급 매핑 제공업체: Anthropic, OpenAI, Google Gemini, MiniMax, DeepSeek, xAI, Mistral, OpenRouter, Nvidia NIM, Ollama (로컬).
구독 OAuth: Claude Max/Pro/Team, ChatGPT Pro/Plus/Team, Gemini Advanced, Copilot Pro, SuperGrok, Perplexity Pro.
decepticon onboard을 통해 설정합니다.
. → 전체 모델 참조 및 폴백 예시
| 주제 | 문서 |
|---|---|
| 설치 및 첫 사용 경험 | 시작하기 (Getting Started) |
| ... | 모든 make 타겟 (Makefile Reference) |
| 에이전트 명단 및 미들웨어 | 에이전트 (Agents) |
| 모델 프로필 및 폴백 체인 | 모델 (Models) |
| 스킬 시스템 및 형식 사양 | 스킬 (Skills) |
| ... |
git clone https://github.com/PurpleAILAB/Decepticon.git
cd Decepticon
make dogfood # 로컬 코드에서 전체 OSS UX (런처 → 온보드 → CLI)
...
Discord에 참여하여 질문하고, 사용 로그를 공유하며, 기술을 논의하세요.
시스템 소유자의 명시적인 서면 승인 없이 이 프로젝트를 어떤 시스템이나 네트워크에서도 사용하지 마십시오. 컴퓨터 시스템에 대한 무단 접근은 불법입니다. 귀하는 자신의 행동에 전적으로 책임이 있습니다. 저자 및 기여자들은 오용에 대해 어떠한 책임도 지지 않습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub Trending Python (daily)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기