Zen-AI-Pentest

Cadre de test de pénétration alimenté par l’IA qui orchestre 20+ outils de sécurité via LLM pour la reconnaissance automatisée, l’analyse des vulnérabilités, l’exploitation et la création de rapports.

Installation

Utilisation de pip (depuis le référentiel)

# Cloner le référentiel
git clone https://github.com/SHAdd0WTAka/zen-ai-pentest.git
cd zen-ai-pentest

# Installer les dépendances
pip install -r requirements.txt

# Copier et configurer l'environnement
cp .env.example .env

# Éditer .env avec vos clés API et paramètres
nano .env

Utilisation de Docker (recommandé)

# Déploiement en une seule commande avec tous les outils de sécurité pré-installés
docker-compose up -d

# Vérifier que les conteneurs s'exécutent
docker-compose ps

# Afficher les journaux
docker-compose logs -f

Configurer les alias CLI

# Charger tous les alias de commande k-*
source tools/setup_aliases.sh

# Vérifier l'installation
k-recon --help
k-exploit --help

Commandes de base

Commande	Description
k-recon "Target: example.com"	Exécuter la reconnaissance guidée par l’IA sur une cible
k-exploit "Target: 192.168.1.1"	Lancer l’agent d’exploitation contre la cible
k-report	Générer un rapport de test de pénétration
k-audit	Exécuter les opérations d’audit de sécurité
source tools/setup_aliases.sh	Charger tous les alias d’outils CLI
docker-compose up -d	Démarrer le cadre avec Docker
docker-compose logs -f	Suivre les journaux des conteneurs
docker-compose down	Arrêter tous les conteneurs

Personas d’agent

Agent	Objectif
k-recon	Reconnaissance — collecte d’informations, énumération des sous-domaines, analyse des ports
k-exploit	Exploitation — validation des vulnérabilités, livraison de payload
k-report	Rapports — compiler les résultats en rapports de test de pénétration structurés
k-audit	Audit — vérifications de conformité, examen de la configuration
k-social	Ingénierie sociale — simulation de phishing, évaluation du prétexte
k-network	Analyse réseau — inspection du trafic, analyse de protocole
k-mobile	Sécurité mobile — test d’applications Android/iOS
k-redteam	Opérations red team — simulation d’adversaire, mouvement latéral
k-ics	ICS/SCADA — évaluation de la sécurité des systèmes de contrôle industriel
k-cloud	Sécurité cloud — analyse de mauvaise configuration AWS, Azure, GCP
k-crypto	Analyse cryptographique — évaluation des suites de chiffrement, vérification des certificats

Opérations de reconnaissance

Commande	Description
k-recon "Target: example.com"	Analyse de reconnaissance complète
k-recon "Subdomain enumeration: example.com"	Énumérer les sous-domaines
k-recon "Port scan: 192.168.1.0/24"	Analyser la plage réseau pour les ports ouverts
k-recon "DNS enumeration: example.com"	Découverte des enregistrements DNS
k-recon "Technology fingerprint: example.com"	Identifier les technologies web
k-recon "OSINT gather: target_org"	Collecte de renseignements à source ouverte
k-recon "SSL analysis: example.com"	Analyser la configuration SSL/TLS

Analyse des vulnérabilités

Commande	Description
k-exploit "Vuln scan: example.com"	Analyse automatisée des vulnérabilités
k-exploit "Web app test: https://example.com"	Test de sécurité des applications web
k-exploit "SQL injection: https://example.com/login"	Test d’injection SQL
k-exploit "XSS scan: https://example.com"	Détection des attaques par scripts inter-sites
k-exploit "API test: https://api.example.com"	Évaluation de la sécurité API
k-exploit "Auth bypass: https://example.com/admin"	Test de contournement d’authentification

Outils de sécurité intégrés

Outil	Catégorie	Utilisé par
Nmap	Analyse réseau	k-recon, k-network
SQLMap	Injection SQL	k-exploit
Metasploit	Cadre d’exploitation	k-exploit, k-redteam
Burp Suite	Test d’application web	k-exploit
Gobuster	Forçage brut de répertoires	k-recon
Nuclei	Analyse basée sur les modèles	k-exploit
BloodHound	Active Directory	k-redteam
Nikto	Analyse de serveur web	k-recon
Hydra	Craquage de mot de passe	k-exploit
John the Ripper	Craquage de hash	k-exploit
Amass	Énumération de sous-domaines	k-recon
Subfinder	Découverte de sous-domaines	k-recon
ffuf	Fuzzer web	k-exploit
Responder	Empoisonnement réseau	k-network
Impacket	Protocoles réseau	k-network, k-redteam

Génération de rapport

Commande	Description
k-report	Générer un rapport de test de pénétration complet
k-report --format json	Exporter les résultats en JSON
k-report --format junit	Exporter en JUnit XML (intégration CI/CD)
k-report --format sarif	Exporter en SARIF (intégration GitHub/GitLab)
k-report --compliance pci	Générer un rapport de conformité PCI-DSS
k-report --compliance hipaa	Générer un rapport de conformité HIPAA
k-report --compliance gdpr	Générer un rapport de conformité RGPD

Intégration CI/CD

GitHub Actions

# .github/workflows/pentest.yml
name: Security Scan
on: [push]
jobs:
  pentest:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: SHAdd0WTAka/zen-ai-pentest@v2
        with:
          target: ${{ secrets.SCAN_TARGET }}
          mode: recon
          output: sarif

GitLab CI

# .gitlab-ci.yml
security_scan:
  image: shadd0wtaka/zen-ai-pentest:latest
  script:
    - k-recon "Target: $SCAN_TARGET"
    - k-report --format junit
  artifacts:
    reports:
      junit: report.xml

Configuration de l’environnement

Variable	Description	Exemple
OPENAI_API_KEY	Clé API OpenAI pour le raisonnement LLM	sk-...
ANTHROPIC_API_KEY	Clé API Anthropic (LLM alternatif)	sk-ant-...
SCAN_TARGET	Cible par défaut pour les analyses	example.com
REPORT_FORMAT	Format de rapport par défaut	json, sarif, junit
MAX_THREADS	Nombre maximum de fils d’analyse concurrente	10
TIMEOUT	Délai d’expiration de l’analyse en secondes	3600
PROXY	Proxy pour le trafic d’analyse	http://127.0.0.1:8080

Modes d’exploitation

Mode	Description
Interactive	Engagement continu avec des décisions guidées par l’IA
One-shot	Exécution unique avec paramètres prédéfinis
Pipeline	Intégration CI/CD avec codes de sortie et rapport d’état
Autonomous	Analyse entièrement pilotée par l’IA avec interaction humaine minimale

Meilleures pratiques

• Toujours obtenir l’autorisation appropriée avant d’analyser une cible
• Commencer par la reconnaissance avant l’exploitation
• Utiliser le drapeau --proxy pour acheminer le trafic via Burp Suite pour examen manuel
• Examiner les décisions de l’IA en mode interactif avant de permettre l’exploitation autonome
• Générer des rapports de conformité pour les exigences réglementaires
• Utiliser le déploiement Docker pour la cohérence des versions d’outils entre les membres de l’équipe
• Configurer la limitation du débit pour éviter de surcharger les systèmes cibles
• Stocker les résultats d’analyse dans le contrôle de version pour les pistes d’audit