Darkmoon

Um orquestrador comanda uma frota de agentes especialistas. Uma campanha sai do reconhecimento para a exploração sem que você encadeie ferramentas na mão. O agente escolhe o próximo movimento sozinho. Você define o alvo e o escopo, e o Darkmoon roda a sequência e pivota conforme aprende. É daí que vem a ideia de "maestro, não um scanner".

A plataforma vem com 50 agentes de IA e mais de 80 ferramentas de segurança integradas, todas coordenadas em uma única execução. A execução de ferramentas passa pelo controle MCP, o que significa que o agente não pode simplesmente pegar qualquer coisa; as chamadas passam por uma camada de política controlada. Um pentester acostumado a fazer malabarismo com uma dúzia de utilitários economiza horas de trabalho de cola. A automação de segurança ofensiva deixa de ser uma corrida de revezamento manual.

Um painel mostra a campanha enquanto ela acontece: quais agentes estão ativos, o que eles mapearam e em que estado está cada achado. Os achados ganham uma coluna de PR que leva direto ao pull request que os trata, com a URL do forge, o estado, os achados vinculados, as estatísticas do diff e a validação de antes e depois. Isso transforma uma execução de caixa preta em algo que você consegue acompanhar. Sem pontos cegos.

Uma auditoria de segurança em três fases rastreia cada achado comprovado até a causa raiz no seu próprio código, filtra o ruído de estilo e mantém só os problemas de segurança reais. A partir daí, a correção é validada em um ambiente isolado: o exploit é reproduzido, o patch é aplicado e então o exploit e as variantes são rodados de novo para provar que agora falham enquanto o comportamento normal do app e os testes continuam passando.

Cada correção validada abre um pull request no GitHub, GitLab, Gitea, Bitbucket ou Azure DevOps, com a prova de antes e depois. O Darkmoon nunca faz o merge automático, e tudo o que ele não conseguiu validar por completo abre como rascunho claramente marcado. A ideia é uma proposta em que uma pessoa pode confiar, não uma mudança silenciosa em produção. Uma grande diferença.

Valores sensíveis são tokenizados antes de chegar ao modelo. IPs de hosts e credenciais são trocados por marcadores determinísticos, criptografados com Fernet na memória e nunca registrados em log, e depois reidratados localmente conforme uma lista de permissões. Tentativas de exfiltração de saída são bloqueadas. Fica nervoso com a ideia de alimentar um LLM com dados reais da sua infraestrutura? Esta é a resposta.

A edição Community é GPLv3 e é sua para auto-hospedar para sempre, então você pode auditar e modificar todo o motor autônomo. Isso importa para equipes que não podem rodar ferramentas de código fechado na própria infraestrutura. Você consegue inspecionar exatamente o que o agente faz.