Pentestthinkingmcp

🚀 PentestThinkingMCP

PentestThinkingMCP 是一个先进的模型上下文协议（MCP）服务器，旨在赋能人类和人工智能渗透测试人员。它借助大语言模型（LLM）与 MCP 服务器，为自动化的初始访问侦察、枚举和利用提供了实用框架，解决了渗透测试中复杂推理和路径规划的难题，提升了渗透测试的效率和准确性。

🚀 快速开始

安装

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

使用

• 将其作为服务器添加到你的 MCP 客户端（如 Cursor、Claude Desktop 等）：

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

• 通过发送攻击步骤并接收下一步建议、工具建议和攻击路径树与之交互。

✨ 主要特性

• 双搜索策略进行攻击建模：
  • 具有可配置宽度的波束搜索（用于系统地发现利用链）
  • 用于复杂决策空间的蒙特卡罗树搜索（MCTS）（适用于具有未知因素的动态攻击场景）
• 证据/漏洞评分和评估：基于可利用性可能性、潜在影响（CIA 三元组）、CVSS 分数或类似指标以及攻击链中的连接强度进行评分。
• 基于树的攻击路径分析：对攻击进展进行基于树的状态跟踪，并对成功/失败的模拟攻击路径进行统计分析。
• 潜在攻击向量的统计分析：帮助更好地理解攻击场景和制定策略。
• MCP 协议合规：确保与其他系统的兼容性。

📦 安装指南

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

💻 使用示例

基础用法

解决 HTB 机器的示例工作流程

1. 侦察阶段 输入：attackStep: "Start with initial recon on 10.10.10.10" 输出：Run nmap -p- 10.10.10.10（推荐工具：nmap）
2. 枚举阶段 输入：attackStep: "Run nmap -p- 10.10.10.10" 输出：Enumerate SMB on port 445（推荐工具：enum4linux）
3. 漏洞分析阶段 输入：attackStep: "Enumerate SMB on port 445" 输出：Search for public SMB exploits (CVE - 2017 - 0144)（推荐工具：searchsploit）
4. 利用阶段 输入：attackStep: "Search for public SMB exploits (CVE - 2017 - 0144)" 输出：Exploit SMB with EternalBlue (CVE - 2017 - 0144)（推荐工具：metasploit）
5. 提权阶段 输入：attackStep: "Got shell as user" 输出：Run winPEAS for privilege escalation checks（推荐工具：winPEAS）
6. 获取根权限/标志阶段 输入：attackStep: "Found user.txt, need root" 输出：Check for AlwaysInstallElevated misconfiguration（推荐工具：手动调查）

高级用法

在复杂的网络渗透测试或具有不确定结果的场景中，可使用蒙特卡罗树搜索（MCTS）进行攻击路径探索。例如，在模拟高级持续威胁（APT）时，MCTS 可以平衡对新攻击向量的探索和对已知弱点的利用。

📚 详细文档

渗透测试的搜索策略

波束搜索

• 维护一组固定宽度的最有前景的攻击路径或漏洞链。
• 适用于逐步开发利用程序和匹配已知漏洞模式。
• 最适合：枚举攻击向量、系统地进行漏洞链接、逻辑利用路径查找。

蒙特卡罗树搜索（MCTS）

• 基于模拟探索潜在的攻击面。
• 平衡对新攻击向量的探索和对已知弱点的利用。
• 最适合：复杂的网络渗透测试、结果不确定的场景、高级持续威胁（APT）模拟。

算法细节

1. 攻击向量选择
   • 波束搜索：评估和排名多个潜在的攻击路径或利用链。
   • MCTS：使用 UCT 进行节点选择（潜在的利用步骤）和随机滚动（模拟攻击进展）。
2. 证据/漏洞评分基于：
   • 可利用性的可能性
   • 潜在影响（CIA 三元组）
   • CVSS 分数或类似指标
   • 攻击链中的连接强度（例如，漏洞 A 启用利用 B）
3. 过程管理
   • 基于树的攻击进展状态跟踪
   • 对成功/失败的模拟攻击路径进行统计分析
   • 对照渗透测试目标进行进度监控

使用场景

• 自动化漏洞识别和链接
• 利用路径查找和优化
• 攻击场景模拟和“假设”分析
• 红队策略开发和完善
• 通过建议潜在途径协助手动渗透测试
• 探索复杂攻击向量的决策树
• 优化实现特定渗透测试目标的策略（例如，数据泄露、提权）

🔧 技术细节

攻击向量选择

• 波束搜索：对多个潜在的攻击路径或利用链进行评估和排序。
• 蒙特卡罗树搜索（MCTS）：使用 UCT（Upper Confidence Bound applied to Trees）进行节点选择（即潜在的利用步骤），并通过随机滚动（模拟攻击进展）来探索攻击空间。

证据/漏洞评分依据

• 可利用性的可能性：评估漏洞被成功利用的概率。
• 潜在影响：基于 CIA 三元组（保密性、完整性、可用性）评估漏洞可能造成的影响。
• CVSS 分数或类似指标：参考通用漏洞评分系统或其他相关指标。
• 攻击链中的连接强度：例如，漏洞 A 能够使利用 B 成为可能，这种关联的强度会影响评分。

过程管理

• 基于树的状态跟踪：对攻击进展进行基于树的状态跟踪，清晰记录攻击过程中的各个状态。
• 统计分析：对成功和失败的模拟攻击路径进行统计分析，以便更好地了解攻击策略的有效性。
• 进度监控：对照渗透测试的目标进行进度监控，确保攻击行动朝着预期目标推进。

📄 许可证

本项目采用 MIT 许可证。