DarkMoon la piattaforma open source che porta l’intelligenza artificiale nei penetration test autonomi

Il penetration testing è sempre stato un’attività che richiede competenze altamente specializzate, tempi di esecuzione lunghi e costi elevati. Le verifiche di sicurezza tradizionali possono richiedere giorni o addirittura settimane di lavoro da parte di esperti, con risultati che dipendono inevitabilmente dall’esperienza del singolo analista. DarkMoon punta a cambiare questo paradigma. Si tratta di una piattaforma open source che sfrutta l’intelligenza artificiale per automatizzare l’intero processo di penetration testing, dall’analisi iniziale fino alla produzione del report finale, corredato da prove concrete delle vulnerabilità individuate.

Un’architettura basata su AI e strumenti consolidati
Uno degli aspetti più interessanti di DarkMoon è la separazione tra il motore decisionale e quello operativo. L’intelligenza artificiale si occupa di pianificare le attività di attacco e decidere la strategia migliore, mentre l’esecuzione pratica viene affidata a un livello di controllo che utilizza il Model Context Protocol (MCP). Tutte le operazioni vengono eseguite all’interno di container Docker isolati, riducendo i rischi e mantenendo un ambiente controllato.

La piattaforma integra oltre 50 strumenti di sicurezza già affermati nel settore, tra cui Nuclei, sqlmap, BloodHound e NetExec, coordinati da agenti specializzati dedicati a differenti scenari, come:

• Applicazioni web;
• Active Directory;
• Infrastrutture Kubernetes;
• Protocolli di rete;
• Content Management System.

L’approccio consente di adattare automaticamente il test in base alle caratteristiche dell’obiettivo analizzato.

Analisi dinamica e adattiva

Il flusso di lavoro segue una sequenza ben definita:

• Individuazione di porte e servizi esposti;
• Identificazione delle tecnologie utilizzate;
• Costruzione della superficie di attacco;
• Attivazione degli agenti AI più adatti.

L’intero processo è dinamico: ogni nuova informazione raccolta durante l’analisi può modificare la strategia successiva.

Ad esempio, se durante la ricognizione viene rilevato un sito WordPress, DarkMoon attiva automaticamente un agente dedicato ai CMS. Se successivamente viene individuata un’API GraphQL, entra in funzione uno specialista specifico per quella tecnologia.

La metodologia segue framework di riferimento ampiamente utilizzati nel settore della cybersecurity, tra cui ISO 27001, NIST SP 800-115 e MITRE ATT&CK.

Costi contenuti grazie all’automazione
Uno degli obiettivi dichiarati del progetto è ridurre drasticamente il costo dei penetration test. Secondo gli sviluppatori, una valutazione completa di una tipica applicazione web può richiedere circa 10 dollari di consumo API utilizzando il modello Claude Opus.

Naturalmente infrastrutture più complesse, come reti aziendali con Active Directory o ambienti multi-host, comportano costi maggiori, poiché l’intelligenza artificiale continua ad analizzare le evidenze raccolte per pianificare nuove attività e percorsi di attacco.

Compatibilità con diversi modelli AI

DarkMoon non è legato a un unico provider di modelli linguistici.

La piattaforma supporta infatti:

• OpenAI;
• Anthropic;
• OpenRouter;
• Modelli eseguiti localmente tramite Ollama;
• llama.cpp.

Gli sviluppatori indicano Claude come una delle soluzioni più equilibrate per capacità di ragionamento, pianificazione e gestione di contesti complessi, pur evidenziando che alcuni sistemi di sicurezza integrati nei modelli più recenti possono limitare o interrompere determinate attività offensive, anche quando vengono eseguite in ambienti autorizzati.

L’AI non sostituisce le prove
Un punto centrale del progetto riguarda l’affidabilità dei risultati.
Gli sviluppatori sottolineano che il modello linguistico non viene mai considerato la fonte della verità: tutte le conclusioni devono essere supportate dalle evidenze raccolte durante il test. Questo approccio riduce il rischio di falsi positivi e mantiene il processo verificabile e riproducibile, lasciando comunque all’analista umano il compito di validare i risultati più critici.

Disponibile gratuitamente
DarkMoon è distribuito come progetto open source ed è disponibile gratuitamente su GitHub, permettendo a professionisti della sicurezza, ricercatori e aziende di installarlo e personalizzarlo secondo le proprie esigenze.