beelzebub

低代码+AI，快速搭建仿真蜜罐，诱捕分析攻击

beelzebub 是一个基于 Go 语言开发的安全低代码欺骗运行时框架，利用 AI 技术实现系统虚拟化。它旨在解决传统蜜罐系统部署复杂、难以模拟真实系统环境的问题，通过低代码方式快速构建高仿真度的虚拟系统，用于诱捕和分析网络攻击行为。其核心能力包括：AI 驱动的系统虚拟化，可自动生成逼真的系统交互逻辑；低代码配置界面，降低安全团队的使用门槛；支持多种协议模拟，如 SSH、HTTP、数据库等；提供实时攻击日志和告警，帮助安全人员洞察攻击手法。项目目前处于成长阶段，社区活跃度较高。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2180

维护状态活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队beelzebub-labs

所属国家

官网地址https://docs.beelzebub.ai

GitHubhttps://github.com/beelzebub-labs/beelzebub

定价模式free

价格说明开源项目，GPL-3.0许可，可自行部署，无付费版本。

访问状态

是否开源是

开源协议GPL-3.0

主要语言Go

技术栈/模型acis,agentic-ai-security,cloudnative,cloudsecurity,cybersecurity,deception,decoys,framework,go,honeypot,llama,llm,llm-honeypot,llm-security,mcp,mcp-honeypot,preemptive-cybersecurity,research-project,security,whitehat

GitHub 星标★ 2180

30天Star增速

HF 下载量

上线时间2022-05-08 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：入门约 10 分钟部署方式：Docker 5 步

环境要求

Git（用于克隆仓库）
Docker 与 Docker Compose（README 推荐用 Docker 安装脚本做隔离实验环境）
Linux/macOS 等可执行 shell 脚本的环境（需运行 ./install.sh）
如需编译源码或开发 Go 插件，需要 Go 语言环境（见 README 的 Development 章节）

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取 beelzebub 源码到本地，命令会在当前目录生成 beelzebub 文件夹。
```
git clone https://github.com/beelzebub-labs/beelzebub.git
```
2进入项目目录

切换到克隆下来的目录，后续安装脚本和 validate 命令都在此目录执行。
```
cd beelzebub
```
3用 Docker 方式安装

运行官方安装脚本并加 --docker 参数，README 说明适合搭建隔离的实验性部署环境。
```
./install.sh --docker
```
4校验配置

README 明确要求在对外暴露任何服务之前先执行 validate，确认 YAML 配置合法。
```
beelzebub validate
```
5阅读生产安全指南

对外网暴露前务必阅读官网的 production safety 文档，并只使用合成/伪造的凭据。

如何确认成功

./install.sh --docker 执行完成后容器正常运行，且执行 beelzebub validate 不报配置错误，即视为可用。

常见问题

Q：安装脚本支持哪些部署方式？

A：README 提到三种：本地运行、Docker Compose、以及 Kubernetes 配合 Helm；Quick Start 演示的是 ./install.sh --docker 的 Docker 方式。

Q：可以直接暴露到公网吗？

A：不建议。README 要求先运行 beelzebub validate，并阅读生产安全指南，同时只使用合成凭据再做互联网暴露。

Q：支持模拟哪些协议？

A：官方特性列出 SSH、HTTP、TCP、TELNET 以及面向 AI Agent 的 MCP 诱捕，具体配置需参考官网文档。

Q：如何扩展自定义响应逻辑？

A：可通过公开的 Go 插件 SDK（public Go plugin SDK）添加可信的响应生成器和服务，属于开发环节。

注意事项

本教程只覆盖 README 中出现的安装命令，服务、路由与响应规则的具体 YAML 配置未在 README 中给出，需查阅 https://docs.beelzebub.ai。
务必在隔离的实验环境中部署，并使用合成凭据，避免真实系统数据泄露。
Docker Compose 与 Kubernetes/Helm 部署方式 README 仅提及名称，未给出命令，需以官网文档为准。
运行时会暴露 Prometheus 指标并可把结构化事件转发到 RabbitMQ 或 Beelzebub Cloud，注意日志与事件的合规使用。

核心亮点

AI 驱动虚拟化，自动生成逼真系统交互，降低人工配置成本
低代码框架，通过配置而非编码即可部署复杂蜜罐场景
支持多种常见协议模拟，覆盖广泛攻击面，提升诱捕效果

不足之处

项目较新，文档和社区生态尚在完善中，上手参考有限
AI 虚拟化的准确性和稳定性需更多实际场景验证

适用场景

企业安全团队部署蜜罐，诱捕内网横向移动攻击
安全研究者模拟特定服务，分析攻击者工具和行为模式
红蓝对抗演练中，快速搭建仿真目标环境

替代项目

Honeyd、T-Pot、MHN (Modern Honey Network)

项目介绍

beelzebub 是基础设施领域的开源项目，由 beelzebub-labs 开发，2022 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（2,180）位列前 30%，在基础设施分类中处于中上游。

近 42 天，它的 GitHub 星标从 2,144 增加到 2,180，净增 36。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。GPL-3.0许可，可自行部署，无付费版本。

它主要面向的使用场景是：企业安全团队部署蜜罐，诱捕内网横向移动攻击。同类可对比的替代方案包括 Honeyd、T-Pot、MHN (Modern Honey Network)。

上一篇：node-llama-cpp

下一篇：llama_deploy