attackgen

选威胁组织，一键生成定制化应急演练剧本

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署行业应用 🍴 复刻 169 🐛 待处理 22 👀 关注 23

GitHub ↗

GitHub 星标 ★ 1257

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源免费，需自行部署，定价信息待确认

项目预览

项目数据

分类行业应用

开发团队mrwadams

GitHubhttps://github.com/mrwadams/attackgen

定价模式🏷️完全免费

价格说明开源免费，需自行部署，定价信息待确认

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型ai-security,cybersecurity,generative-ai,incident-response,llm,mitre-atlas,mitre-attack,purple-team,security-tools,streamlit,tabletop-exercise,threat-intelligence

GitHub 星标★ 1257

上线时间2023-08-08 00:00:00

代码更新2026-11-02

仓库体积17.9 MB

本站数据更新2026-11-05

维护状态活跃

收录时间2026-09-15

浏览次数1

项目介绍

AttackGen 是一个面向网络安全应急响应测试的开源工具，它把大语言模型与 MITRE ATT&CK 框架结合起来，帮助安全团队快速生成贴近真实攻击手法的演练场景。用户只需选择特定的威胁组织（如 APT 组织）并填写自己组织的行业、规模、技术栈等信息，工具就会自动产出定制化的应急响应剧本，覆盖攻击链各阶段。它解决的核心问题是：传统红蓝对抗和桌面推演准备成本高、场景单一、难以匹配真实威胁，而 AttackGen 用生成式 AI 把这一过程自动化，降低门槛。核心能力包括：基于 MITRE ATT&CK 的威胁组织选择、组织画像输入、LLM 驱动的场景生成，以及可交互的 Streamlit 界面。适合安全运营、紫队演练和应急响应培训使用。

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 2026-09-15 · 当前星标 ★ 1257

技术标签

ai-security cybersecurity generative-ai incident-response llm

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：本地安装 6 步

环境要求

Python 环境（用于本地安装依赖并运行 Streamlit 应用）
已安装 Streamlit（本地运行方式需要 streamlit 命令）
可选的 Docker 环境（使用官方镜像方式运行时需要）
大模型/LangChain 相关服务的 API Key（在 secrets.toml 中配置，不用 LangSmith 时可留空）

安装与启动步骤

1获取项目代码

把 GitHub 仓库克隆到本地，仓库已自带 data/ 目录下的 ATT&CK 与 ATLAS 数据，克隆后可直接运行。
```
git clone https://github.com/mrwadams/attackgen.git
cd attackgen
```
2创建密钥文件

README 要求必须有 .streamlit/secrets.toml，可复制目录中的 secrets.toml-example 作为模板；不用 LangSmith 也要保留该文件。
```
cp .streamlit/secrets.toml-example .streamlit/secrets.toml
```
3安装依赖

安装 requirements.txt 中的依赖，其中已包含 mcp；可编辑安装以获得 attackgen-mcp 命令。
```
pip install -r requirements.txt
```
4启动本地应用

在项目根目录用 Streamlit 运行欢迎页脚本，终端会输出访问地址。
```
streamlit run 00__Welcome.py
```
5或用 Docker 运行

不想装 Python 依赖时，直接拉取官方镜像并运行，把容器 8501 端口映射到本机。
```
docker pull mrwadams/attackgen
docker run -p 8501:8501 mrwadams/attackgen
```
6打开界面使用

浏览器访问 Streamlit 给出的地址（Docker 方式为 http://localhost:8501），选择威胁组织并填写组织信息生成场景。