Shannon: AI-verktyg för penetrationstestning i vit låda med 41,4K stjärnor

🤖 Shannon: AI-verktyg för penetrationstestning i vit låda med 41,4K stjärnor — No PoC No Report
Shannonär ett självstyrande AI-verktyg för penetrationstestning i vit låda, riktat mot webbapplikationer och API:er:
- 41,4K GitHub-stjärnor: ett av de hetaste open source-projekten inom säkerhet
- No PoC No Report: ingen rapport utan PoC, noll falska positiva
- XBOW-riktmärke 96,15 %: framgångsfrekvensen för sårbarhetsutnyttjande överträffar kommersiella verktyg klart
- 50 USD/körning: kostnad per test, rapport på 1–1,5 timme
- Testning i vit låda: kräver åtkomst till källkoden; källkodsanalys plus dynamiska attacker
Detta ärdet dynamiska verifieringslagret i säkerhetsverktygskedjansom fyller tomrummet i traditionell penetrationstestning.
🔍 Varför finns Shannon?
Problemet med säkerhetstomrummet
Ditt team använder AI-programmeringsverktygoch driftsätter kod varje dag, men penetrationstestning görsen gång om året — vem fyllersäkerhetstomrummet under de 364 dagarnadäremellan?
- Traditionella skannrar: rapporterar en massa sårbarheter som ”kan finnas”, som säkerhetsingenjörer får verifiera en i taget
- Manuell penetrationstestning: tar veckor och kostar tiotusentals dollar
- Säkerhetstomrummet: under de 364 dagarna emellan kan sårbarheter till och med driftsättas i produktion
Shannons svar
Shannons svar är: enhelautonom agent för penetrationstestning som kan läsa källkod, själv styra en webbläsare för att genomföra attacker — och som inte rapporterar om den inte kommer in.
⚠️ Inte en skanner: No Exploit, No Report
Det första steget för att förstå Shannon
Det första steget för att förstå Shannon är att veta vad deninte är:
- Inte DAST: inte ett verktyg för dynamisk säkerhetstestning av applikationer
- Inte SAST: inte ett verktyg för statisk säkerhetstestning av applikationer
- Inte mönstermatchning: skannar inte efter kända farliga mönster
Traditionella verktyg är i grundenmönstermatchning — de skannar kod eller HTTP-svar efter kända farliga mönster och producerar en lista med ”misstänkta sårbarheter”.
Shannons grundläggande designprincip
Shannons kärnprincip kan sammanfattas i en mening:”POC or it didn’t happen”(utan PoC räknas det inte):
| Egenskap | Beskrivning |
|---|---|
| Genomför verkliga attacker | Injicerar SQL via webbläsarautomation, bygger XSS-payloads, skickar SSRF-förfrågningar |
| Rapporterar bara framgångsrikt utnyttjade sårbarheter | Endast sårbarheter som framgångsrikt utnyttjats tas med i slutrapporten |
| Kopieringsklara PoC:er medföljer | Varje fynd levereras med PoC-kod som kan klistras in direkt |
| Falska positiva hamnar inte i rapporten | Sårbarheter som inte kan utnyttjas markeras som ”falskt positiva” eller ”potentiella” och tas inte med i rapporten |
Det betyder att säkerhetsteamet fårvarje fynd verifierat och reproducerbart.
Test mot OWASP Juice Shop
I den officiella testrapporten motOWASP Juice Shopfann Shannonöver 20 sårbarheter:
- SQL-injektion för autentiseringskringgående(Kritisk)
- UNION-injektion för datautvinning(Kritisk)
- SSRF(Hög)
- XSS(Hög)
- Flera behörighetskringgåenden(Hög)
Värt att notera: på två andra testmål hade Shannons XSS-detekteringnoll falska positiva — den identifierade korrekt att applikationerna hade robusta XSS-skydd och rapporterade inga felaktiga fynd.
🔬 Arkitektur med femfasig pipeline
Femfasig pipeline + parallella agenter
Shannons tekniska arkitektur har två nyckelord:femfasig pipelineochparallella agenter:
| Fas | Namn | Beskrivning |
|---|---|---|
| Fas 1 | Pre-Recon | Extern skanning + källkodsanalys (Nmap, Subfinder, WhatWeb) |
| Fas 2 | Recon | Bron mellan statisk och dynamisk analys: verifierar endpoints, kartlägger autentiseringsflöden |
| Fas 3 | Vulnerability Analysis | 5 parallella agenter, en per sårbarhetskategori |
| Fas 4 | Exploitation | 5 parallella agenter som genomför verkliga attacker |
| Fas 5 | Reporting | Genererar rapporter i penetrationstestklass |
Underliggande inferensmotor
Shannon bygger påAnthropic Claude Agent SDKmed en modellkonfiguration i tre lager:
- Claude Haiku 4.5: sammanfattning
- Claude Sonnet 4.6: säkerhetsanalys
- Claude Opus 4.6: djup resonemang
📊 5 parallella agenter för sårbarhetskategorier
5 oberoende analysagenter
Shannon startar samtidigt5 oberoende analysagenter, var och en ansvarig för en sårbarhetskategori:
| Agent | Metod | Täckta sårbarheter |
|---|---|---|
| Injection | Taint-spårning från källa till sänka (Source→Sink) | SQL-, kommando-, fil-, mall- och deserialiseringsinjektion |
| XSS | Taint-spårning från sänka till källa (Sink→Source) | Cross-site scripting i HTML-renderingskontexter |
| SSRF | Taint-spårning från sänka till källa (Sink→Source) | HTTP-klienter, råa sockets, URL-öppnare |
| Auth | Guard-verifiering | Saknade säkerhetskontroller (hastighetsbegränsning, sessionshantering m.m.) |
| Authz | Guard-verifiering | Saknade behörighetskontroller (horisontell/vertikal/kontextuell) |
De 5 agenternakör parallellt utan att blockera varandra. Så snart en analysagent är klar startar motsvarande exploateringsagent omedelbart.
Klassificering av sårbarheter
Exploateringsagenten klassificerar varje fynd itre tillstånd:
- EXPLOITED(utnyttjad): tas med i slutrapporten
- POTENTIAL(potentiell): tas inte med i rapporten
- FALSE POSITIVE(falskt positiv): tas inte med i rapporten
EndastEXPLOITEDtas med i slutrapporten.
🔥 XBOW-riktmärke 96,15 %
XBOW-riktmärket
Shannon uppnådde påXBOW-riktmärketen framgångsfrekvens för sårbarhetsutnyttjande på96.15%96,15 % (100/104):
| Sårbarhetstyp | Totalt | Framgångsrika | Framgångsfrekvens |
|---|---|---|---|
| Broken Authorization | 25 | 25 | 100% |
| SQL Injection | 7 | 7 | 100% |
| Blind SQL Injection | 3 | 3 | 100% |
| SSRF / Misconfiguration | 22 | 21 | 95.45% |
| XSS | 23 | 22 | 95.65% |
| Server-Side Template Injection | 13 | 12 | 92.31% |
| Command Injection | 11 | 10 | 90.91% |
| Totalt | 104 | 100 | 96.15% |
Villkor för testet
- XBOW-riktmärket: 104 applikationer med medvetet inbyggda sårbarheter
- Städade versioner: variabelnamn, kommentarer och ledtrådar i filsökvägar har tagits bort
- Vit låda-läge: Shannon har tillgång till applikationens källkod
Jämförelse med kommersiella verktyg
- Shannon: 96,15 % (vit låda)
- KinoSec: 92,3 % (svart låda)
- Xfenser AI: 88,5 %
- XBOW:s kommersiella plattform: cirka 85 % (svart låda)
💰 Kostnad och kom igång
Kostnad
En komplett skanning:
- Tidsåtgång: 1–1,5 timme
- API-kostnad: cirka 50 USD (baserat på Claude Sonnet 4.6)
- Spann: 40–55 USD, beroende på modellpriser och applikationens komplexitet
JämförelseTraditionell manuell penetrationstestning: tiotusentals dollar per test och veckors tidsåtgång.
Sätt att komma igång
npx-läge(rekommenderas, ingen installation):
# 一次性配置 npx @keygraph/shannon setup # 运行渗透测试 npx @keygraph/shannon start -u https://your-app.com -r /path/to/repo
Lokalt läge(komplett bygge):
# 克隆仓库 git clone https://github.com/KeygraphHQ/shannon.git cd shannon # 配置 API Key echo "ANTHROPIC_API_KEY=your-key" > .env # 安装和构建 pnpm install && pnpm build # 运行 ./shannon start -u https://your-app.com -r /path/to/repo
Förutsättningar
- Docker: körtid för behållare
- Node.js 18+: körmiljö
- Anthropic API Key: rekommenderas
- Åtkomst till källkod: krävs för ett verktyg i vit låda
🤝 Shannon Lite vs Shannon Pro
Två versioner
| Version | Licens | Inriktning |
|---|---|---|
| Shannon Lite | AGPL-3.0 | Testa dina egna applikationer lokalt |
| Shannon Pro | Kommersiell | AppSec-plattform för organisationer (SAST + SCA + Pentest) |
Shannon Pro-funktioner
Shannon Proär en fullfjädrad applikationssäkerhetsplattform:
- Code Property Graph: motor för statisk analys
- Säkerhetstestning av affärslogik: automatisk upptäckt av invarianter
- SCA-räckviddsanalys: spårning av CVE-räckvidd
- Detektering av hemligheter: regex + LLM-detektering
- Koppling mellan statiskt och dynamiskt: statiska fynd matas automatiskt till dynamisk penetration
- CI/CD-integration: GitHub PR-skanning
⚠️ Viktigt att tänka på
Viktiga varningar
- Använd aldrig mot system utan tillstånd: Shannon genomför verkliga attacker; osanktionerad skanning är olaglig
- Kör inte i produktionsmiljö: attacker kan få förödande effekter
- Arkivet kan vara utsatt för AI-promptinjektion: en säkerhetsrisk som officiellt lyfts fram
- Shannon Lite är ett verktyg i vit låda: kräver åtkomst till källkodsarkivet
Risk för LLM-hallucinationer
Officiell förbehållsnotis: LLM:er kan fortfarande hallucinera, så alla fynd måsteverifieras manuellt vad gäller legitimitet och allvarlighetsgrad.
📝 Sammanfattning
Shannon representerar ett säkerhetsverktygsparadigm som håller på att ta form:
- No PoC No Report: rapportera endast efter framgångsrikt utnyttjande
- 41,4K stjärnor: ett av de hetaste open source-projekten inom säkerhet
- XBOW-riktmärke 96,15 %: framgångsfrekvensen i vit låda slår kommersiella verktyg
- Femfasig pipeline: Pre-Recon → Recon → Vuln → Exploit → Report
- 5 parallella agenter: Injection, XSS, SSRF, Auth, Authz
- 50 USD/körning, 1–1,5 timme: mycket billigare än manuell penetrationstestning
- Verktyg i vit låda: kräver åtkomst till källkod
Ingen rapport utan PoC — Shannon gör penetrationstestning till ett enda kommando.
GitHub:https://github.com/KeygraphHQ/shannon
Webbplats:https://keygraph.io