AI-driven Autonomous Cyber Attacker (Hệ thống tấn công mạng tự động dựa trên trí tuệ nhân tạo) Một hệ thống thông minh sử dụng Học tăng cường (Reinforcement Learning) để tự động hóa việc mô phỏng tấn công mạng và kiểm thử xâm nhập (penetration testing).
Hệ thống này triển khai một tác tử AI (AI agent) có khả năng tự động thực hiện các cuộc tấn công mạng thông qua việc: Thực hiện do thám và thu thập thông tin Phân tích hệ thống mục tiêu Lựa chọn và triển khai kỹ thuật tấn công phù hợp Học hỏi từ kết quả tấn công để cải thiện hiệu quả trong tương lai
-Hệ thống tuân theo khung Cyber Kill Chain và áp dụng các chiến thuật MITRE ATT&CK: -Mô-đun Do thám (Reconnaissance Module) -Quét cổng (port scanning) -Liệt kê dịch vụ (service enumeration) -Đánh giá lỗ hổng (vulnerability assessment) -Bộ máy ra quyết định AI (AI Decision Engine) -Thuật toán Học tăng cường (DQN / PPO / A3C) -Biểu diễn trạng thái hệ thống mục tiêu -Không gian hành động (action space) gồm các kỹ thuật tấn công khả thi -Hàm thưởng dựa trên mức độ thành công của tấn công -Mô-đun Thực thi tấn công (Attack Execution Module) -Tự động khai thác lỗ hổng (exploit) -Thực hiện các hành động hậu khai thác (post-exploitation) -Ghi nhật ký và phân tích kết quả
Tạo môi trường ảo: python -m venv venv source venv/bin/activate # Linux/Mac .\venv\Scripts\activate # Windows Cài đặt thư viện phụ thuộc: pip install -r requirements.txt Cấu hình biến môi trường: cp .env.example .env
Khởi chạy tác tử AI (chế độ huấn luyện): python src/main.py --target <target_ip> --mode training Chạy ở chế độ đánh giá: python src/main.py --target <target_ip> --mode evaluation
. ├── src/ │ ├── agent/ # Triển khai tác tử AI │ ├── attacks/ # Các mô-đun tấn công │ ├── reconnaissance/ # Mô-đun thu thập thông tin │ ├── utils/ # Hàm tiện ích │ └── main.py # Điểm vào chính của hệ thống ├── config/ # File cấu hình ├── models/ # Mô hình AI đã huấn luyện ├── logs/ # Nhật ký huấn luyện và tấn công ├── tests/ # Unit test ├── requirements.txt # Thư viện cần thiết └── README.md # Tài liệu mô tả dự án