Pentestthinkingmcp

🚀 PentestThinkingMCP

PentestThinkingMCP 是一個先進的模型上下文協議（MCP）服務器，旨在賦能人類和人工智能滲透測試人員。它藉助大語言模型（LLM）與 MCP 服務器，為自動化的初始訪問偵察、枚舉和利用提供了實用框架，解決了滲透測試中複雜推理和路徑規劃的難題，提升了滲透測試的效率和準確性。

🚀 快速開始

安裝

git clone https://github.com/ibrahimsaleem/PentestThinkingMCP.git
cd PentestThinkingMCP
npm install
npm run build

使用

• 將其作為服務器添加到你的 MCP 客戶端（如 Cursor、Claude Desktop 等）：

{
    "mcpServers": {
        "pentestthinkingMCP": {
            "command": "node",
            "args": ["path/to/pentestthinkingMCP/dist/index.js"]
        }
    }
}

• 通過發送攻擊步驟並接收下一步建議、工具建議和攻擊路徑樹與之交互。

✨ 主要特性

• 雙搜索策略進行攻擊建模：
  • 具有可配置寬度的波束搜索（用於系統地發現利用鏈）
  • 用於複雜決策空間的蒙特卡羅樹搜索（MCTS）（適用於具有未知因素的動態攻擊場景）
• 證據/漏洞評分和評估：基於可利用性可能性、潛在影響（CIA 三元組）、CVSS 分數或類似指標以及攻擊鏈中的連接強度進行評分。
• 基於樹的攻擊路徑分析：對攻擊進展進行基於樹的狀態跟蹤，並對成功/失敗的模擬攻擊路徑進行統計分析。
• 潛在攻擊向量的統計分析：幫助更好地理解攻擊場景和制定策略。
• MCP 協議合規：確保與其他系統的兼容性。

📦 安裝指南

git clone https://github.com/ibrahimsaleem/PentestThinkingMCP.git
cd PentestThinkingMCP
npm install
npm run build

💻 使用示例

基礎用法

解決 HTB 機器的示例工作流程

1. 偵察階段 輸入：attackStep: "Start with initial recon on 10.10.10.10" 輸出：Run nmap -p- 10.10.10.10（推薦工具：nmap）
2. 枚舉階段 輸入：attackStep: "Run nmap -p- 10.10.10.10" 輸出：Enumerate SMB on port 445（推薦工具：enum4linux）
3. 漏洞分析階段 輸入：attackStep: "Enumerate SMB on port 445" 輸出：Search for public SMB exploits (CVE - 2017 - 0144)（推薦工具：searchsploit）
4. 利用階段 輸入：attackStep: "Search for public SMB exploits (CVE - 2017 - 0144)" 輸出：Exploit SMB with EternalBlue (CVE - 2017 - 0144)（推薦工具：metasploit）
5. 提權階段 輸入：attackStep: "Got shell as user" 輸出：Run winPEAS for privilege escalation checks（推薦工具：winPEAS）
6. 獲取根權限/標誌階段 輸入：attackStep: "Found user.txt, need root" 輸出：Check for AlwaysInstallElevated misconfiguration（推薦工具：手動調查）

高級用法

在複雜的網絡滲透測試或具有不確定結果的場景中，可使用蒙特卡羅樹搜索（MCTS）進行攻擊路徑探索。例如，在模擬高級持續威脅（APT）時，MCTS 可以平衡對新攻擊向量的探索和對已知弱點的利用。

📚 詳細文檔

滲透測試的搜索策略

波束搜索

• 維護一組固定寬度的最有前景的攻擊路徑或漏洞鏈。
• 適用於逐步開發利用程序和匹配已知漏洞模式。
• 最適合：枚舉攻擊向量、系統地進行漏洞鏈接、邏輯利用路徑查找。

蒙特卡羅樹搜索（MCTS）

• 基於模擬探索潛在的攻擊面。
• 平衡對新攻擊向量的探索和對已知弱點的利用。
• 最適合：複雜的網絡滲透測試、結果不確定的場景、高級持續威脅（APT）模擬。

算法細節

1. 攻擊向量選擇
   • 波束搜索：評估和排名多個潛在的攻擊路徑或利用鏈。
   • MCTS：使用 UCT 進行節點選擇（潛在的利用步驟）和隨機滾動（模擬攻擊進展）。
2. 證據/漏洞評分基於：
   • 可利用性的可能性
   • 潛在影響（CIA 三元組）
   • CVSS 分數或類似指標
   • 攻擊鏈中的連接強度（例如，漏洞 A 啟用利用 B）
3. 過程管理
   • 基於樹的攻擊進展狀態跟蹤
   • 對成功/失敗的模擬攻擊路徑進行統計分析
   • 對照滲透測試目標進行進度監控

使用場景

• 自動化漏洞識別和鏈接
• 利用路徑查找和優化
• 攻擊場景模擬和“假設”分析
• 紅隊策略開發和完善
• 通過建議潛在途徑協助手動滲透測試
• 探索複雜攻擊向量的決策樹
• 優化實現特定滲透測試目標的策略（例如，數據洩露、提權）

🔧 技術細節

攻擊向量選擇

• 波束搜索：對多個潛在的攻擊路徑或利用鏈進行評估和排序。
• 蒙特卡羅樹搜索（MCTS）：使用 UCT（Upper Confidence Bound applied to Trees）進行節點選擇（即潛在的利用步驟），並通過隨機滾動（模擬攻擊進展）來探索攻擊空間。

證據/漏洞評分依據

• 可利用性的可能性：評估漏洞被成功利用的概率。
• 潛在影響：基於 CIA 三元組（保密性、完整性、可用性）評估漏洞可能造成的影響。
• CVSS 分數或類似指標：參考通用漏洞評分系統或其他相關指標。
• 攻擊鏈中的連接強度：例如，漏洞 A 能夠使利用 B 成為可能，這種關聯的強度會影響評分。

過程管理

• 基於樹的狀態跟蹤：對攻擊進展進行基於樹的狀態跟蹤，清晰記錄攻擊過程中的各個狀態。
• 統計分析：對成功和失敗的模擬攻擊路徑進行統計分析，以便更好地瞭解攻擊策略的有效性。
• 進度監控：對照滲透測試的目標進行進度監控，確保攻擊行動朝著預期目標推進。

📄 許可證

本項目採用 MIT 許可證。