AI 渗透测试工具的数据泄露陷阱与本地沙箱方案

声明：我开发了 Darkmoon，这是做本地化处理的工具之一。但无论你选择哪个工具，这个问题都是真实存在的。

令人堪忧的现状

大多数自主 AI pentester 都调用托管的云 LLM。为了完成工作，它们将你的目标数据（IP、主机名、请求和响应体，有时还有凭证和源代码）输入到该模型。这意味着你客户的数据在渗透测试进行中就离开了你的控制，流向第三方。对于受监管的环境，这是一个等待发生的数据泄露。对于渗透测试公司来说，这是合同违约。

"我们有 DPA" 不等于 "数据从未离开"

数据处理协议只是纸上的文件。Air-gapped（隔离）是物理层面的保障。如果字节从不离开机器，就没有什么可以被泄露、被传唤调查或误配置的。

如何真正地本地运行

本地推理：在你自己的硬件上运行 Ollama 或 llama.cpp。模型在数据所在的地方运行。

隐私网关：即使某个步骤必须调用远程服务，也要先用确定性占位符对敏感值进行令牌化，然后在本地恢复。远程端永远看不到真实值。

完全自托管：流程中没有供应商云服务。

本地运行真的有效吗？

是的：在本地模型上，以黑盒方式在 28 分钟内发现了 OWASP Juice Shop 上的 57 个真实漏洞，可重现：https://github.com/ASCIT31/Darkmoon-Benchmarks

Darkmoon 是开源的，就是这样构建的：https://github.com/ASCIT31/Dark-Moon。如果你为客户进行渗透测试，"模型在哪里运行"应该在你的工具清单的首位。

如需进一步操作，你可以考虑屏蔽此人和/或举报滥用行为。