项目地址：https://github.com/sooryathejas/METATRON
项目概述
METATRON 是一款基于本地大语言模型（LLM）的智能渗透测试辅助框架，专为网络安全专业人员设计。该系统在 Parrot OS 环境中运行，通过集成多种安全工具链与 AI 分析引擎，实现完全离线的自动化漏洞评估。
🏗️ 系统架构
1. 整体架构图
┌─────────────────────────────────────────────────────────────────┐
│ User Interface │
│ (CLI - Interactive Mode) │
└───────────────────────────┬─────────────────────────────────────┘
│
┌───────────────────────────▼─────────────────────────────────────┐
│ Orchestration Layer │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────────────────┐ │
│ │ Scanner │ │ Report │ │ History Manager │ │
│ │ Dispatcher │ │ Generator │ │ (CRUD Operations) │ │
│ └─────────────┘ └─────────────┘ └─────────────────────────┘ │
└───────────────────────────┬─────────────────────────────────────┘
│
┌───────────────────────────▼─────────────────────────────────────┐
│ AI Processing Layer │
│ ┌───────────────────────────────────────────────────────────┐ │
│ │ Ollama Runtime │ │
│ │ ┌──────────────┐ ┌──────────────┐ ┌─────────────────┐ │ │
│ │ │ metatron-qwen│ │ Context Mgmt │ │ Agentic Loop │ │ │
│ │ │ (Fine-tuned) │ │ │ │ Controller │ │ │
│ │ └──────────────┘ └──────────────┘ └─────────────────┘ │ │
│ └───────────────────────────────────────────────────────────┘ │
└───────────────────────────┬─────────────────────────────────────┘
│
┌───────────────────────────▼─────────────────────────────────────┐
│ Tools Integration Layer │
│ ┌────────┐ ┌────────┐ ┌────────┐ ┌───────┐ ┌───────┐ ┌──────┐ │
│ │ nmap │ │ whois │ │whatweb │ │ curl │ │ dig │ │nikto │ │
│ │(Port/ │ │(Domain │ │(Web │ │(HTTP │ │(DNS │ │(Web │ │
│ │Service)│ │ Info) │ │Finger- │ │Headers│ │Query) │ │Vuln) │ │
│ │ │ │ │ │print) │ │ │ │ │ │ │ │
│ └────────┘ └────────┘ └────────┘ └───────┘ └───────┘ └──────┘ │
└───────────────────────────┬─────────────────────────────────────┘
│
┌───────────────────────────▼─────────────────────────────────────┐
│ Data Persistence Layer │
│ ┌───────────────────────────────────────────────────────────┐ │
│ │ MariaDB │ │
│ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────────┐ │ │
│ │ │ Scans │ │ CVEs │ │ Exploits │ │ Logs │ │ │
│ │ │ Main │ │ Reference│ │ Suggested│ │ History │ │ │
│ │ └──────────┘ └──────────┘ └──────────┘ └──────────────┘ │ │
│ └───────────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────────┘
2. 技术栈矩阵
| 组件层级 |
技术选型 |
版本/说明 |
| 编程语言 |
Python 3 |
3.8+ |
| AI 引擎 |
Ollama |
本地 LLM 运行时 |
| AI 模型 |
metatron-qwen |
基于 Qwen 3.5 微调 (9B 参数) |
| 基础模型 |
huihui-ai/qwen3.5-abliterated |
去审查版本 |
| 数据库 |
MariaDB |
关系型数据持久化 |
| 搜索服务 |
DuckDuckGo |
无需 API Key |
| 报告生成 |
ReportLab / Jinja2 |
PDF & HTML 导出 |
| 系统环境 |
Parrot OS |
基于 Debian 的渗透测试发行版 |
🔧 核心技术实现
1. AI 模型架构
metatron-qwen 是项目的核心大脑，基于 Alibaba 的 Qwen 3.5 模型进行领域微调：
模型特性
- 基础架构: Transformer-based Decoder-only
- 参数量: 9B (适合本地消费级 GPU/CPU 运行)
- 上下文窗口: 支持长文本分析（完整扫描报告）
- 特殊训练:
- 网络安全领域语料训练
- CVE 数据库与 Exploit 技术对齐
- 渗透测试方法论（PTES/OSSTMM）注入
Agentic Loop 机制
系统实现了自主代理循环，使 AI 能够主动请求额外信息：
# 伪代码示意
while analysis_incomplete:
result = ai.analyze(current_data)
if result.requires_more_data:
tool = result.suggested_tool
additional_data = execute_tool(tool, target)
current_data += additional_data
else:
break
典型场景:
- AI 发现开放端口 3306（MySQL）
- 请求运行
nmap --script mysql-info 获取详细版本
- 结合版本号搜索 CVE 数据库
- 生成针对该版本的具体利用建议
2. 侦察工具集成
工具调度器采用异步执行 + 结果聚合策略：
| 工具 |
功能 |
输出解析 |
风险等级 |
| nmap |
端口扫描、服务识别、脚本扫描 |
XML/Grepable 解析 |
低 |
| whois |
域名注册信息收集 |
文本解析 |
极低 |
| whatweb |
Web 技术栈指纹识别 |
JSON/文本 |
低 |
| curl |
HTTP 头分析、状态检测 |
头字段提取 |
极低 |
| dig |
DNS 记录枚举 |
DNS 应答解析 |
极低 |
| nikto |
Web 漏洞扫描（全面但慢） |
CSV/文本 |
中 |
数据流: Raw Tool Output → Python Parser → Structured JSON → AI Prompt Context
3. 数据库设计 (MariaDB)
采用五表关联的规范化设计：
-- 核心表结构示意
scans (
id INT PRIMARY KEY AUTO_INCREMENT,
target VARCHAR(255),
scan_type ENUM('quick', 'full', 'custom'),
started_at TIMESTAMP,
completed_at TIMESTAMP,
raw_results JSON,
ai_analysis TEXT,
risk_level ENUM('CRITICAL', 'HIGH', 'MEDIUM', 'LOW')
);
vulnerabilities (
id INT PRIMARY KEY,
scan_id INT FOREIGN KEY,
cve_id VARCHAR(20),
severity ENUM('CRITICAL', 'HIGH', 'MEDIUM', 'LOW'),
description TEXT,
proof_of_concept TEXT,
remediation TEXT
);
exploits (
id INT PRIMARY KEY,
vuln_id INT FOREIGN KEY,
tool VARCHAR(50), -- e.g., 'metasploit', 'sqlmap'
payload TEXT,
success_probability FLOAT
);
tool_outputs (
id INT PRIMARY KEY,
scan_id INT FOREIGN KEY,
tool_name VARCHAR(50),
command_executed TEXT,
raw_output MEDIUMTEXT,
parsed_data JSON
);
search_cache (
id INT PRIMARY KEY,
query_hash VARCHAR(64),
duckduckgo_results JSON,
cve_details JSON,
cached_at TIMESTAMP
);
4. AI 分析 Prompt 结构
你是一位专业的渗透测试专家。基于以下侦察数据，进行深度安全分析：
[ recon_data ]
- Nmap 端口扫描结果: {...}
- Web 指纹信息: {...}
- DNS 记录: {...}
- HTTP 头信息: {...}
[ instructions ]
1. 识别所有潜在安全漏洞
2. 对每个漏洞提供:
- CVE 编号（如适用）
- 风险等级 (CRITICAL/HIGH/MEDIUM/LOW)
- 具体利用方法（含命令示例）
- 修复建议
3. 如果信息不足，请求特定工具补充扫描
[ output_format ]
JSON 格式，便于解析存储到数据库
🚀 部署与安装
1. 系统要求
| 资源 |
最低配置 |
推荐配置 |
| 操作系统 |
Parrot OS / Debian 11 |
Parrot OS 5.x+ |
| CPU |
x86_64, 4 cores |
8 cores+ |
| 内存 |
8 GB RAM |
16 GB RAM+ |
| 存储 |
20 GB SSD |
50 GB+ SSD |
| GPU |
可选（CPU 推理慢） |
NVIDIA GTX 1060 6GB+ |
2. 安装步骤
# 1. 克隆仓库
git clone https://github.com/sooryathejas/METATRON.git
cd METATRON
# 2. 安装系统依赖
sudo apt update && sudo apt install -y \
mariadb-server \
nmap \
whois \
whatweb \
curl \
dnsutils \
nikto \
python3-pip \
python3-venv
# 3. 配置 MariaDB
sudo mysql -e "CREATE DATABASE metatron_db;"
sudo mysql -e "CREATE USER 'metatron'@'localhost' IDENTIFIED BY 'secure_password';"
sudo mysql -e "GRANT ALL PRIVILEGES ON metatron_db.* TO 'metatron'@'localhost';"
sudo mysql -e "FLUSH PRIVILEGES;"
# 4. 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh
# 5. 拉取 metatron-qwen 模型
ollama pull metatron-qwen
# 6. 安装 Python 依赖
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
# 7. 初始化数据库
python3 init_db.py
# 8. 启动应用
python3 metatron.py
📊 功能详解
1. 主菜单交互
╔════════════════════════════════════════╗
║ METATRON ║
║ AI Penetration Testing Assistant ║
║ Model: metatron-qwen | Parrot OS ║
╠════════════════════════════════════════╣
║ [1] New Scan ║
║ [2] View History ║
║ [3] Exit ║
╚════════════════════════════════════════╝
metatron>
2. 扫描模式
| 模式 |
描述 |
执行工具 |
| Quick |
快速侦察（2-5分钟） |
nmap + whois + curl |
| Standard |
标准评估（10-15分钟） |
Quick + whatweb + dig |
| Full |
全面审计（30-60分钟） |
Standard + nikto |
| Custom |
自定义选择 |
用户指定工具组合 |
3. 报告导出
PDF 报告包含:
- 执行摘要（Executive Summary）
- 风险评级矩阵
- 详细漏洞列表（含 CVE）
- 利用步骤（PoC）
- 修复优先级建议
- 技术附录（原始工具输出）
HTML 报告包含:
- 交互式漏洞筛选
- 可复制命令代码块
- 响应式设计（移动端查看）
⚖️ AI 能力边界
优势
- 离线隐私: 敏感扫描数据永不离开本地机器
- 上下文理解: 理解复杂网络拓扑和攻击链
- 工具编排: 自主决定需要运行的工具
- 知识整合: 结合 CVE 与实际渗透测试技术
限制
- 幻觉风险: AI 可能生成不存在的 CVE 编号，需人工验证
- 计算资源: 9B 模型在 CPU 上推理较慢（建议量化版本）
- 法律边界: 仅授权用于合法渗透测试
总的来说，METATRON 通过将本地大语言模型与经典安全工具链深度融合，为网络安全从业者提供了一个新颖的、注重隐私的智能分析平台。其开箱即用的特性，尤其是在 Parrot OS 这种渗透测试专用发行版上的顺畅体验，降低了人工智能技术进入传统安全评估工作流的技术门槛。如果你对在本地环境中实践 AI 驱动的安全研究感兴趣，不妨前往 GitHub 获取该项目，并在 云栈社区 的技术板块与更多安全爱好者交流部署和使用心得。
发表于 1 小时前
|
查看: 5|
回复: 0
