46.8k Star 的 Shannon:用 AI 自动化渗透测试,能替代一年一度的安全审计吗

你有没有过这种感觉:代码天天发版,渗透测试一年才做一次。大多数安全漏洞就是这样悄悄上线的。

Shannon 就是来解决这个问题的。

它能做什么

Shannon 是 KeygraphHQ 开源的 AI 自动化渗透测试工具,专门针对 Web 应用和 API。它的工作方式是先读你的源代码,分析攻击路径,然后实际执行漏洞利用——不是给你一堆”可能存在风险”的警告,而是给你可复现的 PoC(概念验证)。只有真正打通的漏洞才会进报告。

官方给了一个参考数字:在 XBOW 基准测试(无提示、具备源码感知的场景)下,Shannon 的漏洞发现率达到 96.15%。对比一下:大多数传统 SAST 工具依赖规则匹配,这个数字是 AI 驱动分析的结果。

在公开的测试集上,它的表现:

  • OWASP Juice Shop:20+ 个漏洞,包括认证绕过、SQL 注入、IDOR、SSRF
  • c{api}tal API:约 15 个高危/严重 API 漏洞,包括命令注入、认证绕过、批量赋值
  • OWASP crAPI:15+ 个严重漏洞,覆盖 JWT、注入、SSRF、API 授权路径

这些目标都是社区公认的安全测试靶场,结果有一定参考价值,但也需要注意:靶场环境相对干净,真实生产代码的上下文更复杂。

技术边界:它不是万能的

明确 Shannon 的能力边界很重要:

它能做的:

  • 白盒源码分析 + 黑盒动态测试结合
  • 单命令启动完整渗透测试流程(侦察→漏洞分析→利用→报告)
  • 支持登录态认证测试(TOTP、邮箱验证码等)
  • 可配置焦点区域和规则
  • 支持 Docker 隔离执行,不污染宿主机
  • SARIF 格式输出,方便接入现有 CI/CD

它做不到的:

  • 不做黑盒扫描(没有源码就无法做攻击路径规划)
  • 不支持客户端 App 逆向
  • 不是合规报告工具,输出的是技术 PoC,不是 ISO 27001 格式文档
  • 防护绕过能力有限,更多依赖标准 OWASP Top 10 攻击手法

版本演进上,最近两个月的重点是降低使用门槛:v2.4.0(2026-08-10)支持了 OpenAI Codex 订阅直接认证;v2.3.0 支持了通用 AI API Key 方式接入任何兼容 Provider;v2.0.0 将底层 Agent 运行时从 Claude Agent SDK 迁移到了更开放的 Pi Harness,Google Vertex AI 已从支持列表移除。

使用门槛:真的需要你有授权

这是最重要的一条。

Shannon 在官方文档和 CLI 启动时都会明确警告:只对你拥有或持有明确书面授权的系统运行。这不是客气话——未经授权的渗透测试在大多数司法管辖区是违法行为。

使用前置要求:

  • Docker:必须,worker 容器化隔离
  • Node.js 18+:推荐用 npx 工作流
  • AI Provider 凭证:支持 Anthropic、OpenAI、xAI、AWS Bedrock,以及任意兼容 OpenAI API 的自定义端点。注意:Anthropic 和 OpenAI 对安全测试类工作负载有实时安全防护,首次使用需要完成他们的引导流程
  • 授权目标:这是最重要也最容易被忽略的

使用方式也很简单,两条命令搞定:

# 配置凭证(交互式向导)
npx @keygraph/shannon setup

# 启动渗透测试
npx @keygraph/shannon start -u https://your-app.com -r /path/to/your-repo

适合谁 / 不适合谁

适合:

  • 有自己代码库的团队,想在 CI/CD 里加一道自动化安全门
  • 安全研究者在授权范围内做漏洞挖掘
  • 独立开发者想在上线前做一次”穷人的渗透测试”

不适合:

  • 没有源码的黑盒 Web 应用(它需要读代码)
  • 需要等保/合规认证报告的场景(格式不匹配)
  • 想用它扫描别人系统的(别碰红线)

下一步建议

如果你的场景符合条件,建议从官方提供的靶场开始验证:

# 先在 OWASP Juice Shop 上跑一遍,观察输出格式和覆盖范围
git clone https://github.com/juice-shop/juice-shop.git
cd juice-shop
npx @keygraph/shannon setup
npx @keygraph/shannon start -u http://localhost:3000 -r .

跑通之后你会得到一份详细的漏洞报告,包含每个漏洞的复现步骤。这份报告可以直接作为修复依据。

如果你的代码在 GitHub 上,也可以把 Shannon 的 SARIF 输出接入 GitHub Advanced Security,实现 MR 级别的自动化安全扫描。

相关链接:

评论区

0 条评论

登录后可评论。