HKD$0 做 AI 滲透測試？開源 PentestGPT + VulnClaw 實戰指南
你有冇想過，一次專業滲透測試可以收你 HK$100,000 以上，但而家只需要一個 API Key 同埋幾個開源工具，就可以做到八成效果？呢個唔係講笑——2024 年 USENIX Security 發表嘅 PentestGPT 研究論文已經證明，AI 可以自主完成滲透測試嘅大部分流程。而 VulnClaw 呢個後起之秀，更加將整個過程濃縮成一個 CLI 指令。安全行業正在經歷一場靜悄悄嘅革命，而香港嘅创业者同開發者，好應該把握呢個機會。
傳統滲透測試嘅痛點：點解咁貴？
傳統滲透測試嘅成本結構，某程度上係一個人力密集型行業嘅縮影。一間安全顧問公司接到一個項目，通常會派出一個 2-4 人嘅團隊，花 2-4 週時間做信息收集、漏洞掃描、漏洞利用同報告撰寫。呢個過程中，最大嘅成本係人——資深安全工程師嘅日薪可以去到 HK$5,000-10,000，而佢哋大部分時間其實係喺度做重複性嘅工作：掃描端口、檢查已知漏洞、驗證配置問題。
問題喺邊？第一，效率低。一個經驗豐富嘅工程師，喺信息收集階段可能要花成日時間做 Nmap 掃描、子域名枚舉、目錄爆破。第二，覆蓋面窄。人類工程師嘅注意力同體力都有限，好容易漏咗某個角落嘅漏洞。第三，成本高。一個完整嘅滲透測試報告，動輒幾十萬蚊，中小企根本負擔唔起。呢個就係點解好多香港初創公司同中小企，寧願冒險唔做安全測試，都唔願花呢筆錢。
但 AI 嘅出現，完全改變咗呢個遊戲規則。
PentestGPT：學術界嘅先鋒
PentestGPT 嘅出現唔係偶然。佢源自新加坡南洋理工大學嘅研究團隊，2024 年喺 USENIX Security 呢個頂級安全會議發表， immediately 引起業界關注。呢個工具嘅核心理念好簡單：用大語言模型嘅推理能力，取代人類工程師嘅大部分思考工作。
PentestGPT 嘅架構設計好巧妙。佢用三個協作嘅 LLM session——reasoning、generation、parsing——共同維護一個滲透測試任務樹（Pentesting Task Tree）。呢個設計解決咗 LLM 嘅一個核心問題：上下文窗口限制。每個 session 負責唔同嘅認知負荷，令到整個系統可以處理複雜嘅滲透場景。
實際使用上，PentestGPT 支援兩種模式。一種係舊版嘅互動模式，人類工程師可以實時介入，睇住 AI 點樣思考同決策。另一種係 2025 年底推出嘅 Agentic 模式，完全自主運行——你只需指定目標 IP 同模式（CTF 或者 pentest），佢就會自動跑完信息收集、漏洞發現、漏洞利用、報告生成嘅全流程。
最令我印象深刻嘅係佢嘅 benchmark 成績：喺 XBOW 驗證套件上達到 86.5% 嘅成功率（90/104 benchmarks）。呢個數字意味住，對於大多數常見嘅滲透場景，PentestGPT 已經可以獨立完成任務。而佢係完全開源嘅，MIT license，你可以免費使用同修改。
VulnClaw：後起之秀嘅全面超越
如果話 PentestGPT 係學術界嘅先鋒，咁 VulnClaw 就係工程界嘅集大成者。呢個 2025 年先出現嘅開源工具，短短一年內就已經成為 GitHub 上最受歡迎嘅 AI 滲透測試框架之一。
VulnClaw 嘅設計哲學同 PentestGPT 有明顯差異。PentestGPT 仲保留咗人類工程師嘅介入空間，而 VulnClaw 則選擇咗更激進嘅路線：模型主導嘅求解引擎（Model-Dominated Solve Engine）。簡單嚟講，你只需要用自然語言描述你想做乜嘢， VulnClaw 就會自己決定點樣做。唔使你手動設定研究方向，唔使你規劃階段流程，AI 自己搞掂。
呢個設計背後嘅技術實現好值得細看。VulnClaw 引入咗 AgentState 證據記憶系統——每一個工具調用嘅結果都會被完整記錄，包括原始輸出、hash、大小同埋證據編號。呢個機制解決咗 LLM 嘅另一個核心問題：幻覺。當 AI 聲稱搵到一個 flag 或者得出一個結論時，VulnClaw 會強制驗證呢個結論係咪有真實嘅工具輸出支撐。冇證據？唔信。呢個「證據級反幻覺閘門」係 VulnClaw 最 innovative 嘅設計之一。
功能方面，VulnClaw 更加全面。佢內建 50 個專項 Skill，涵蓋 CTF、Web 安全、內網滲透、逆向工程等領域。佢支援 14 個 LLM 提供商，包括 OpenAI、Anthropic、DeepSeek、智譜、Moonshot 等，你可以根據自己嘅預算同需求靈活選擇。佢仲內建咗 29 種編解碼工具、批量 HTTP 探測、Python 代碼執行等功能，基本上滲透測試需要嘅所有工具都已經打包好。
安裝 VulnClaw 超級簡單：pip install vulnclaw，然後 vulnclaw config provider openai，設定 API Key，就可以開始用。佢支援 CLI、TUI、Web UI 三種界面，你可以揀最适合自己嘅方式。如果想持續性滲透，vulnclaw persistent 命令可以設定 100 輪/周期 × 10 周期嘅深度測試。
實戰指南：零成本啟動你嘅 AI 安全團隊
講完理論，講吓實際操作。以下係一個 HK$0 預算嘅實戰路線圖，幫你用開源工具建立自己嘅 AI 安全團隊。
第一步：選擇你嘅 LLM 提供商。 呢度有幾個策略。如果你想零成本，可以用 DeepSeek 嘅免費額度，或者本地部署 Ollama 跑開源模型。如果預算有限但想要更好效果，DeepSeek V4 Pro 每 1M tokens 只需要幾十蚊，性價比極高。如果要做高價值嘅安全測試，可以考慮 Claude Opus 或者 GPT-5.5，佢哋嘅推理能力最強。
第二步：安裝工具。 PentestGPT 同 VulnClaw 都係 Python 寫嘅，安裝過程好簡單。建議你兩個都裝：PentestGPT 適合做 CTF 同互動式測試，VulnClaw 適合做全自動嘅滲透測試。兩個工具可以互相補充。
第三步：定義測試範圍。 呢個係最重要嘅一步。你必須確保你有目標系統嘅書面授權。Unauthorized testing 係犯法嘅，唔好以身試法。建議你先喺自己嘅靶場環境（例如 HackTheBox、TryHackMe）練手，熟練之後再去接真實項目。
第四步：從信息收集開始。 用 VulnClaw 嘅 vulnclaw recon <target> 命令做信息收集，佢會自動跑 Nmap 掃描、子域名枚舉、目錄爆破等操作。用 PentestGPT 嘅 pentestgpt --target <IP> --mode pentest 做全自動測試。對比兩個工具嘅結果，你會發現佢哋嘅覆蓋面好唔同。
第五步：分析報告同復盤。 兩個工具都會生成結構化嘅 Markdown 報告。你需要人工審閱呢啲報告，確認漏洞嘅真實性同影響範圍。記住，AI 係輔助工具，最終嘅判斷仲係要靠人類。
最後一個建議：加入社區。PentestGPT 有活躍嘅 Discord 社區，VulnClaw 有 QQ 群同開發者群。同其他安全研究者交流，可以幫你更快咁掌握呢啲工具嘅高級用法。
AI 滲透測試唔係要取代人類安全工程師，而係要釋放佢哋嘅創造力。當機器可以處理 80% 嘅重複性工作，人類就可以專注喺最需要創造力嘅 20%——設計攻擊場景、理解業務邏輯漏洞、撰寫高質量嘅安全建議。對於香港嘅創業者同開發者嚟講，而家正係最佳時機：工具已經成熟，成本已經降到零，市場需求持續增長。唔好等競爭對手先行一步，即刻開始用 AI 武裝你嘅安全團隊。