Ketika mengintegrasikan LLM ke dalam alur kerja pengujian keamanan, sebagian besar tim инженер memulainya dengan memuat skrip wrapper sederhana di sekitar CLI security tools. Strategi ini dengan cepat terbentur dinding batas operasional: kegagalan penanganan state, kegagalan saat output perkakas terlalu besar, hilangnya konteks auditability, dan eksekusi instruksi tanpa kendali terukur.
Proyek CyberStrikeAI yang dikembangkan oleh Ed1s0nZ menjawab tantangan ini secara mendasar. CyberStrikeAI dibangun dari awal menggunakan bahasa Go untuk menyediakan sistem aksi terorganisir tempat niat (intent) diterjemahkan menjadi eksekusi teratur, bukti operasional disimpan secara persistent, dan setiap langkah pengetesan memperkuat langkah berikutnya.
Arsitektur Utama dan Orchestration Agentic
CyberStrikeAI menggabungkan komponen pengeksekusi agen, integrasi alat berbasis Model Context Protocol (MCP), arsitektur RAG, dan model rantai serangan (attack-chain) ke dalam satu ruang kerja tunggal yang dapat diaudit.
+-----------------------------------------------------------------------+
| CyberStrikeAI |
| |
| +--------------------+ +---------------------+ +--------------+ |
| | Web Console / UI | | Burp Suite Extension| | Browser Ext. | |
| +---------+----------+ +----------+----------+ +-------+------+ |
| | | | |
| +-------------------------+----------------------+ |
| | |
| +-----------------------------------v-----------------------------+ |
| | Go Core Server (Go 1.25+) | |
| | | |
| | +---------------------+ +---------------------------------+ | |
| | | Eino Orchestrator | | MCP Tool Integration | | |
| | | - Single Agent | | - HTTP / stdio / SSE | | |
| | | - Plan-Execute | | - Circuit Breakers | | |
| | | - Supervisor Mode | | - Unified Output Caps | | |
| | +----------+----------+ +----------------+----------------+ | |
| | | | | |
| | +---------------+---------------+ | |
| | | | |
| | +--------------------------v--------------------------------+ | |
| | | SQLite Persistence, RBAC, Asset & Vulnerability Mgmt | | |
| | +-----------------------------------------------------------+ | |
| +-----------------------------------------------------------------+ |
+-----------------------------------------------------------------------+
Orkestrasi sistem dijalankan oleh mesin orkestrasi Eino. Tidak seperti runner sederhana, Eino mendukung beberapa mode operasi tingkat lanjut:
- Single-agent execution: Mengeksekusi tugas linear dengan instruksi spesifik.
- Deep execution: Penelusuran mendalam terhadap tugas yang memerlukan iterasi kompleks.
- Plan-Execute: Memisahkan tahap perencanaan strategi dari tahap eksekusi perkakas.
- Supervisor multi-agent mode: Orkestrasi terdistribusi di mana agen penyelia mengoordinasikan sub-agen spesialis.
Selain itu, alur kerja grafis (Graph Workflows) memungkinkan penggabungan Agen, perkakas, kondisi logis, persetujuan manusia (human approvals), dan output ke dalam alur kerja yang dapat digunakan kembali.
Tata Kelola Eksekusi Perkakas dan Ketahanan Sistem
Salah satu masalah kritis dalam penggunaan agen AI pada pengujian keamanan adalah manajemen eksekusi blocking dan potensi luapan memori dari stdout perkakas seperti nmap atau nuclei. CyberStrikeAI menyelesaikan masalah ini melalui mekanisme Tool Execution Governance:
- Worker Offloading & Resumable Polling: Pemanggilan MCP/tool yang bersifat blocking dijalankan di worker independen dengan bounded agent waits. Sistem mendukung polling melalui
execution_idyang dapat dipulihkan (resumable). - Circuit Breakers & Concurrency Limits: Setiap server MCP dilindungi oleh per-server circuit breaker dan pembatasan konkurensi untuk mencegah cascading failures.
- Output Caps & Result Governance: Hasil eksekusi ditapis dengan batas ukuran terpadu (unified output caps). Hanya data terkompres/terbatas yang disimpan dan ditampilkan untuk melindungi konteks LLM dan UI dari beban berlebih, sembari tetap menjaga integritas audit log di basis data SQLite.
| Komponen Tata Kelola | Mekanisme Proteksi | Dampak Operasional |
|---|---|---|
| Circuit Breakers | Memutus koneksi jika server MCP mengalami eror berturut-turut | Mencegah bottleneck dan kehabisan sumber daya sistem |
| Result Governance | Pemotongan output perkakas berukuran besar (capped output) | Menjaga histori percakapan dari lonjakan token LLM |
| Human-in-the-Loop | Mode persetujuan (approval modes) & allowlist alat | Mencegah tindakan destruktif tanpa verifikasi operator |
Manajemen Aset dan Attack Chain Modeling
CyberStrikeAI memfasilitasi operasi keamanan terotorisasi melalui fitur manajemen aset dan visualisasi rantai serangan. Sistem ini mampu mengonsumsi data dari 100+ resep alat YAML bawaan yang mencakup berbagai fase pengujian:
CyberStrikeAI Toolset Overview:
├── Network Scanners : nmap, masscan, rustscan, arp-scan, nbtscan
├── Web & App Scanners : sqlmap, nikto, dirb, gobuster, feroxbuster, ffuf, httpx
├── Vulnerability Scanners : nuclei, wpscan, wafw00f, dalfox, xsser
├── Post-Exploitation : linpeas, winpeas, mimikatz, bloodhound, impacket, responder
└── Cloud & Containers : prowler, trivy, docker-bench-security, kube-hunter
Sistem manajemen aset secara otomatis menormalisasi dan mengeliminasi duplikasi domain, IP, port, serta layanan. Data ini dihubungkan langsung ke modul Projects and Attack Chains, yang memungkinkan pemetaan fakta lintas sesi, penilaian risiko (risk scoring), visualisasi grafis, dan pemutaran ulang langkah demi langkah (step-by-step replay).
Untuk kebutuhan operasi yang disetujui, platform ini juga menyediakan modul terintegrasi seperti WebShell Management dengan terminal virtual dan Built-in C2 yang dilengkapi encrypted beacons, antrean tugas, dan event siaran langsung (live events).
Konfigurasi dan Deployment
Persyaratan sistem dasar untuk menjalankan CyberStrikeAI adalah Go 1.25+ dan Python 3.10+. Peluncuran aplikasi dapat dilakukan dengan satu perintah melalui skrip run.sh:
bashgit clone https://github.com/Ed1s0nZ/CyberStrikeAI.git cd CyberStrikeAI chmod +x run.sh && ./run.sh
Skrip run.sh secara otomatis memeriksa lingkungan Go dan Python, membuat virtual environment Python di venv/, mengunduh dependensi Go, mengompilasi biner, dan menjalankan server web secara aman dengan TLS lokal.
Pengaturan AI Channel (config.yaml)
Konfigurasi saluran AI mendukung multi-provider dan dapat diatur melalui UI Web di System Settings → Basic Settings → AI Channel Configuration atau secara langsung melalui file config.yaml:
yamlserver: host: "127.0.0.1" port: 8080 ai: default_channel: openai-main channels: openai-main: name: OpenAI Main provider: openai_compatible api_key: "${OPENAI_API_KEY}" base_url: "https://api.openai.com/v1" model: "gpt-4o" max_total_tokens: 120000 max_completion_tokens: 16384
Prosedur Pembaruan (Upgrade Flow)
CyberStrikeAI menyediakan mekanisme pembaruan satu langkah yang mempertahankan kustomisasi lokal pada direktori tools/, roles/, dan skills/:
bashchmod +x upgrade.sh && ./upgrade.sh --yes
Skrip ini membuat cadangan otomatis direktori data/ dan file config.yaml ke dalam .upgrade-backup/, mengunduh rilis terbaru dari GitHub, memperbarui struktur skema, dan merestart server secara aman.
Integrasi Ekosistem Plugin
Untuk mendukung alur kerja analis keamanan tanpa mengganggu preferensi kerja mereka, CyberStrikeAI menyediakan dua plugin utama:
- Burp Suite Extension: Terletak pada
plugins/burp-suite/cyberstrikeai-burp-extension/, memungkinkan integrasi lalu lintas HTTP terautentikasi langsung ke platform CyberStrikeAI. - Browser Extension (Chrome / Edge): Terletak pada
plugins/browser-extension/cyberstrikeai-browser-extension/, menangkap lalu lintas jaringan dari DevTools dan mengirimkannya ke CyberStrikeAI untuk analisis berbantuan AI.
Dengan kombinasi Go core yang tangguh, integrasi protokol MCP, serta kontrol tata kelola yang ketat, CyberStrikeAI karya Ed1s0nZ menetapkan standar arsitektur baru bagi platform pengujian keamanan berbasis AI.