Dark-Moon

让 AI 自动打渗透，漏洞证据直接给，隐私不出内网

开源 🏷️定价信息待确认 ✅ 目前可打开智能体 🍴 复刻 205 🐛 待处理 6 👀 关注 12

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1212

维护状态较活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类智能体

开发团队ASCIT31

官网地址https://dark-moon.org

GitHubhttps://github.com/ASCIT31/Dark-Moon

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型active-directory,ai-penetration-testing,ai-red-team,ai-red-teaming,ai-security,ai-security-tool,autonomous-ai,cloud-security,kubernetes,llm,llm-security,local-llm,mcp,offensive-security,penetration-testing,pentesting,red-team,security-tools,self-hosted,vulnerability-scanner

GitHub 星标★ 1212

上线时间2024-11-26 00:00:00

代码更新2026-10-27

仓库体积90.0 MB

本站数据更新2026-11-10

维护状态较活跃

收录时间2026-08-09

浏览次数5

项目介绍

Dark-Moon 是一个自主 AI 渗透测试引擎，旨在持续对 Web、云、身份、CI/CD、IaC、数据库、Active Directory、Kubernetes 和 IoT 固件等目标执行进攻性安全测试。它结合智能体推理与真实漏洞利用执行，提供基于证据的漏洞报告。其核心隐私网关确保 LLM 不会接触真实 IP、主机或凭据，所有数据不离开企业边界。项目使用 Python 开发，处于早期阶段但已获得 821 星标，适合安全团队自动化渗透测试流程。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1212

技术标签

ai-security ai-security-tool kubernetes llm llm-security

使用教程

难度：入门约 10 分钟部署方式：Docker 6 步

环境要求

Docker 与 Docker Compose 环境
一个 LLM API Key（Anthropic、OpenAI、OpenRouter 等云厂商），或本地模型（Ollama、llama.cpp）
能够访问 GitHub 克隆仓库的网络环境
一个自己拥有或已获授权的测试目标（README 示例为 example.com）

安装与启动步骤

1克隆仓库

把 DarkMoon 源码拉到本地，README 的 Quick Start 第一步即为此命令。
```
git clone https://github.com/ASCIT31/Dark-Moon.git
```
2进入项目目录

切换到克隆下来的 Dark-Moon 目录，后续脚本都在此目录下执行。
```
cd Dark-Moon
```
3运行安装脚本

install.sh 会交互式配置 LLM 提供商（无需手动编辑 docker-compose.yml），并构建完整 Docker 栈。若 .opencode.env 已配置则跳过表单。
```
./install.sh
```
4强制重新配置

需要换成云厂商或本地模型时使用；--help 可查看用法。
```
./install.sh --init
```
5执行首次评估

启动第一次自主渗透测试，README 说明可在终端实时观察执行过程。TARGET 后填授权目标。
```
./darkmoon.sh "TARGET: example.com"
```
6查看会话日志

评估结束后用会话 ID 回看该次测试的完整日志记录。
```
./darkmoon.sh --log <session_id>
```

关键配置

配置项	必填	说明	示例
`.opencode.env`	是	保存 LLM 提供商与密钥等配置，已存在时 install.sh 会跳过交互表单	`.opencode.env（由 ./install.sh 交互生成）`