Docker容器中的自主黑客：Decepticon如何改变红队游戏规则

是不是经常遇到这种情况：你启动了一个又一个"AI渗透测试工具"，结果它只是把nmap的输出扔给ChatGPT让它分析？说真的，这种半吊子解决方案已经让人审美疲劳了。真正的黑客行为不是读取日志——而是一系列动作的链条：侦察、持久化、权限提升和横向移动。

最近我偶然发现了PurpleAILAB团队的Decepticon项目。它不仅仅是一个脚本包装器，而是尝试创建一个完整的红队自主代理，其行为就像一个真实的渗透测试人员。

这玩意儿是什么

Decepticon被定位为执行攻击的专业代理。与众多类似项目的主要区别在于，它不仅仅"扫描"——而是执行真实的攻击链。开发者声称该代理可以与交互式shell配合使用（你好，msfconsole和sliver），理解交战规则，并使用MITRE ATT&CK方法论规划操作。

有趣的是，该项目在XBOW基准测试中获得了98%的分数。这意味着在104个不同难度的任务中，它成功完成了102个。对于一个自主系统来说，这是一个相当不错的成绩。

内部工作原理

项目架构看起来相当成熟。开发者将系统分为两个隔离的网络。在一个（decepticon-net）中运行着"大脑"：PostgreSQL数据库、Neo4j知识图谱、LangGraph编排器和LiteLLM（用于连接神经网络）。第二个网络（sandbox-net）是沙箱环境，那里运行着容器中的Kali Linux，以及命令与控制（C2）服务器和目标本身。

这种隔离确保了如果出现问题，代理不会破坏你的主机。命令在tmux会话中执行，这使得代理能够"看到"交互式命令提示符并对其作出响应。

专家团队

Decepticon没有使用一个巨大的prompt说"帮我黑掉一切"，而是使用了16个专业代理。每个代理负责自己的阶段：

• 侦察和数据收集。
• 漏洞利用。
• 后渗透利用。
• Active Directory和云基础设施工作。
• 逆向工程和智能合约分析。

每个代理都有自己的上下文，这解决了长对话LLM的"健忘"问题。当一个任务完成后，编排器将接力棒传递给下一个专业代理。

如何启动和试用

如果你安装了Docker，只需一条curl命令即可部署所有内容。支持macOS、Linux和Windows（通过WSL2或原生）。

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

启动后，decepticon onboard会询问你想使用哪些模型。该项目支持几乎所有主流模型：Anthropic、OpenAI、Gemini、本地Ollama，甚至DeepSeek。有三种工作负载配置文件：eco（轻量级）、max（所有任务使用最佳模型）和test（用于调试）。

如果你不想折腾Docker，作者提供了云版本，但对于深入研究，通过CLI本地运行似乎更可靠。

实际用途

普通开发者或系统管理员为什么需要这个？

首先，这是一个自动检查服务基本安全漏洞的好方法。Decepticon会生成操作计划（OPPLAN）和报告，你可以研究。

其次，该项目可以用作库。如果你正在构建自己的监控或安全工具，Decepticon SDK允许你将代理功能直接嵌入到你的Python代码中。

pip install decepticon

值得一试吗

这个项目看起来非常有雄心。我喜欢作者们没有单纯追逐AI热潮——而是在尝试为代理的工作注入纪律性。它首先生成RoE（交战规则），然后才开始行动。

另一方面，这个项目相当消耗资源，因为它会启动大量容器，包括Neo4j和BloodHound或Ghidra等专业工具。但如果你需要的不仅仅是一个端口扫描器，而是一个能够模拟真实攻击者来测试你防御能力的工具——Decepticon绝对值得花一个晚上来探索。

记住，你只能在获得所有者书面授权的网络上使用此类工具。入侵他人是违法的，但测试自己的系统是有益的。