Connaissez-vous Darkmoon, une plateforme open source (GPLv3) de test d’intrusion autonome, qui couvre l’Active Directory, Kubernetes, le cloud, le web et les API, avec un reporting fondé sur des preuves ? Pendant longtemps, les tests de pénétration ont fonctionné via des expertises couteuses et externalisées. L’automatisation promet de réduire ces écarts. Un ensemble croissant de projets remet maintenant le travail aux agents d’IA qui planifient et exécutent eux-mêmes. DarkMoon, une plateforme open source, est dans cette catégorie. Il exécute une évaluation de sécurité de bout en bout et livre un rapport fondé sur des preuves à l’issue.
DarkMoon est une plate-forme de test de pénétration automatisée qui utilise l’intelligence artificielle pour orchestrer des évaluations de sécurité complètes sans intervention manuelle. Il fournit aux équipes de sécurité et aux professionnels DevSecOps un système d’évaluation de la vulnérabilité entièrement alimenté par l’IA. DarkMoon intègre plus de 50 outils de sécurité offensive spécialisés, tous gérés via une interface d’exécution contrôlée.
Contrairement aux scanners de vulnérabilité traditionnels, DarkMoon déploie une architecture d’IA multi-agents où les sous-agents spécialisés raisonnent, planifient et exécutent de véritables opérations de sécurité offensives via une interface contrôlée Model Context Protocol (MCP), une couche de gardien qui garantit que l’IA ne touche jamais directement le système sous-jacent.
La plate-forme s’aligne sur les cadres de sécurité reconnus, y compris ISO 27001, NIST SP 800-115, et la méthodologie MITRE ATT&CK, ce qui en fait une option conforme aux normes pour les organisations à la recherche d’évaluations reproductibles et fondées sur des données probantes.
Lorsqu’une cible est fournie via la ligne de commande, DarkMoon progresse automatiquement à travers une évaluation multiphasée: la découverte de ports et de services ouverts, l’empreinte digitale de la pile technologique, la modélisation de la surface d’attaque, puis le déploiement de sous-agents spécialisés en fonction de ce qu’il détecte.
La plateforme déclenche dynamiquement des agents adaptés aux technologies découvertes:
- CMS Agent — s’active pour les environnements WordPress, Drupal, Joomla, Magento et Moodle
- Agent spécifique à la pile — cible PHP, Node.js, Flask, ASP.NET, Spring Boot et Ruby sur rails
- Active Directory Agent — couvre les scripts NetExec, BloodHound et 30+ Impacket
- Kubernetes Agent — utilise Kubectl, Kubescape et Kubelectl
- GraphQL Agent — gère les surfaces d’attaque spécifiques à GraphQL
- Agent de navigateur sans tête — déployé lorsque le rendu du navigateur est requis
Plusieurs agents peuvent exécuter en parallèle sur une infrastructure hybride, accélérant considérablement les délais d’évaluation par rapport aux tests manuels séquentiels.
« Le LLM n’exécute jamais directement des commandes arbitraires. » Chaque action passe par le serveur MCP, qui, selon lui, « n’expose qu’une liste d’autorisation explicite d’outils et de flux de travail autorisés », a déclaré Mehdi Boutayeb, le responsable de DarkMoon.
DarkMoon est conçu pour les équipes de sécurité qui exécutent des tests automatisés continus, les ingénieurs DevSecOps intégrant la sécurité dans les pipelines CI/CD, les chasseurs de primes à bugs accélérant l’analyse des cibles et les chercheurs en sécurité explorant les surfaces d’attaque adaptatives en temps réel.
La plate-forme prend en charge le mode bug bounty nativement, avec des drapeaux en ligne de commande tels que FOCUS, EXCLUDE, SEVERITY, et FORMAT=h1interprété directement par l’agent d’IA.
Quel coût d’usage ? Une évaluation typique des applications Web utilisant Claude Opus court environ dix dollars en frais d’API, selon Boutayeb. Il a noté que des engagements plus importants tels que Active Directory ou les infrastructures multi-hôtes consomment plus, puisque le modèle continue de raisonner sur de nouvelles preuves, des étapes de planification et des chemins d’attaque. DarkMoon prend en charge OpenAI, Anthropic, OpenRouter et les modèles locaux via Ollama ou llama.cpp. Dans l’évaluation de Boutayeb, « Claude est actuellement le modèle que nous recommandons », pour son équilibre de qualité de raisonnement, de stabilité de la planification et de performance à long contexte.
« Fondamentalement, il peut être entièrement gratuit si vous restez local, ou quelques dollars par évaluation si vous voulez la qualité de raisonnement supplémentaire d’un modèle frontalier. Chaque utilisateur choisit son propre équilibre entre le coût et la capacité », a déclaré Boutayeb.
DarkMoon est disponible sur GitHub à l’adresse github.com/ASCIT31/Dark-Moonet nécessite uniquement Docker, Docker Compose et une clé d’API LLM de fournisseurs tels que Anthropic, OpenAI ou OpenRouter avec support de modèle local via Ollama et llama.cpp également disponible.
