Autonome Hacker in een Docker Container: Hoe Decepticon het Spel Verandert voor Red Team

Ken je dat gevoel wanneer je nog een "AI pentest tool" lanceert en het gewoon nmap output naar ChatGPT voert en vraagt om het te analyseren? Eerlijk gezegd zijn deze halfgebakken oplossingen aardig oud aan het worden. Echt hacken draait niet om het lezen van logs — het is een keten van acties: verkenning, persistentie, privilege-escalatie en laterale beweging.

Onlangs stuitte ik op het Decepticon project van de folks bij PurpleAILAB. Het is niet zomaar een script wrapper, maar een poging om een volwaardige autonome agent voor Red Team te creëren die zich gedraagt als een levende pentester.

Wat Is Dit Beest

Decepticon wordt gepositioneerd als een professionele agent voor het uitvoeren van aanvallen. Het belangrijkste verschil met tientallen vergelijkbare projecten is dat het niet alleen "scant" — het voert realistische aanvalsketens uit. De ontwikkelaars beweren dat de agent kan werken met interactieve shells (hallo, msfconsole en sliver), regels van engagement begrijpt, en operaties plant met behulp van de MITRE ATT&CK methodologie.

Interessant is dat het project 98% behaalde op de XBOW benchmark. Dit betekent dat van de 104 taken met variërende moeilijkheidsgraad er 102 succesvol werden voltooid. Voor een autonoom systeem is dat een serieus resultaat.

Hoe Het Van Binnen Werkt

De projectarchitectuur ziet er volwassen uit. De ontwikkelaars hebben het systeem opgesplitst in twee geïsoleerde netwerken. In het ene (decepticon-net) woont het "brein": PostgreSQL database, Neo4j kennisgraaf, LangGraph orchestrator en LiteLLM voor het verbinden met neurale netwerken. Het tweede netwerk (sandbox-net) is de sandbox. Daar draait Kali Linux in een container, samen met command and control (C2) servers en de doelwitten zelf.

Deze isolatie zorgt ervoor dat de agent je hostmachine niet vernielt als er iets misgaat. Commando's worden uitgevoerd binnen tmux sessies, wat de agent in staat stelt om "interactieve commandoprompts te zien" en erop te reageren.

Team van Specialisten

In plaats van één enorme prompt die zegt "hack alles voor me", gebruikt Decepticon 16 gespecialiseerde agenten. Elke agent is verantwoordelijk voor zijn eigen fase:

• Verkenning en dataverzameling.
• Kwetsbaarheidsexploitatie.
• Post-exploitatie.
• Werken met Active Directory en cloud-infrastructuren.
• Reverse engineering en smart contract analyse.

Elke agent heeft zijn eigen context, wat het "vergeetachtigheids"-probleem van lange LLM-gesprekken oplost. Wanneer één taak is voltooid, geeft de orchestrator de stok door naar de volgende gespecialiseerde agent.

Hoe Te Starten En Uit Te Proberen

Je kunt alles deployen met één commando via curl als je Docker hebt geïnstalleerd. Ondersteund op macOS, Linux en Windows (via WSL2 of native).

curl -fsSL https://decepticon.red/install | bash
decepticon onboard   # Настройка ключей API и моделей
decepticon           # Запуск CLI

Na het starten vraagt decepticon onboard welke modellen je wilt gebruiken. Het project ondersteunt vrijwel alles: Anthropic, OpenAI, Gemini, lokale Ollama en zelfs DeepSeek. Er zijn drie werklastprofielen: eco (lichtgewicht), max (beste modellen voor alle taken) en test (voor debuggen).

Als je niet wilt rommelen met Docker, hebben de auteurs een cloudversie, maar voor grondig onderzoek lijkt lokaal draaien via CLI betrouwbaarder.

Praktische Voordelen

Waarom zou een gewone ontwikkelaar of systeembeheerder dit nodig hebben?

Ten eerste is het een geweldige manier om je services automatisch te controleren op basisbeveiligingsproblemen. Decepticon genereert een operationeel plan (OPPLAN) en rapporten die je kunt bestuderen.

Ten tweede kan het project worden gebruikt als een bibliotheek. Als je je eigen monitoring- of beveiligingstool bouwt, stelt de Decepticon SDK je in staat om agentmogelijkheden direct in je Python-code in te bedden.

pip install decepticon

Is Het De Moeite Waard

Het project ziet er zeer ambitieus uit. Ik vind het leuk dat de auteurs niet alleen achter de AI-hype aanzitten — ze proberen discipline in het werk van de agent te leggen. Het genereert eerst RoE (rules of engagement) en begint pas daarna met handelen.

Aan de andere kant is het project vrij resource-intensief omdat het een heleboel containers opstart, waaronder Neo4j en gespecialiseerde tools zoals BloodHound of Ghidra. Maar als je niet alleen een poortscanner nodig hebt, maar een tool die een echte aanvaller simuleert om je verdediging te testen — Decepticon is zeker de moeite waard om een avondje mee te verkennen.

Onthoud dat je tools als deze alleen kunt gebruiken op netwerken waar je schriftelijke toestemming van de eigenaar hebt. Hacken van anderen is illegaal, maar je eigen systemen testen is voordelig.