⚠️ Herramientas ofensivas, solo pruebas autorizadas. Al instalar, aceptas la PUA y los Términos. Texto completo en Uso responsable ↓

PTAI es una herramienta de pentest impulsada por IA que reejecuta cada exploit para confirmarlo. Ejecuta reconocimiento, inicia sesión y encadena los hallazgos en rutas de ataque de varios pasos, pero no te pide que confíes en los resultados. De la misma forma en que TruffleHog confirma un secreto filtrado iniciando sesión con él, el ptai confirma un hallazgo web al volver a ejecutar el exploit: un hallazgo sigue siendo candidato hasta que un oráculo máquina lo reproduce N de N, y solo entonces obtiene una insignia VERIFICADA. La salida del escáner de terceros (núcleos, nikto, zap) se retiene hasta que un oráculo la vuelve a comprobar. El ruido del escáner es lo que entrena a los equipos para ignorar sus herramientas, así que el informe solo contiene lo que el PTAI pudo demostrar, cada hallazgo VERIFICADO con una cápsula portátil de prueba que puedes reproducir tú mismo.

Hoy en día, 14 clases de vulnerabilidad están verificadas por oráculo. En un honeypot de prueba deliberadamente vulnerable, 23 resultados se verifican en esas clases con una precisión del 100% y cero falsos positivos. En una tienda de zumos OWASP de serie, 12 verifican en un solo escaneo. Funciona en tu portátil. Sin nube, sin telemetría.

Escaneando una tienda de zumos OWASP de serie: 12 hallazgos verificados por oráculo en un solo escaneo. Los hallazgos son reales; El ritmo está ajustado para la visibilidad.

Reproduce la idea central tú mismo en dos minutos, sin un objetivo propio:

pip install ptai && ptai demo

ptai demo escanea una aplicación vulnerable incluida y reporta, reproduce una en directo desde una cápsula de prueba (), luego ejecuta las mismas rutas, endurecida y reporta. Lo único que cambió entre las dos partidas fue la solución, así que los hallazgos aparecen y desaparecen con la vulnerabilidad, no porque la herramienta se haya desconectado. Dos minutos, sin clave API, sin objetivo propio. Vuelve a probar cualquier cápsula tú mismo con .4 findings, 4 oracle-VERIFIEDreplay 3/30 findingsptai replay

Números honestos. La prueba en honeypot (23 verificadas en 14 clases, precisión del 100%, cero falsos positivos) y la de Juice Shop (12 verificadas en un escaneo) son referencias reproducibles individuales, no tasas de falsos positivos en campo. La puerta oráculo compra precisión, no tasa de captura: elimina falsos positivos, no aumenta la detección. Juice Shop es la aplicación vulnerable más estudiada de internet, así que lee su volumen bruto como la extensión y el cuente verificado como la historia de precisión; El honeypot, con los bugs que escribimos nosotros mismos, es la señal honesta. El arnés honeypot () y una puerta de cero FP de aplicación limpia () vienen en el repositorio, por lo que las reclamaciones son reproducibles en lugar de capturas de pantalla.tests/honeypot/tests/cleanapp/

La cobertura de verificación se duplicó aproximadamente, y un escaneo ya no reporta cero en un objetivo que derribó a mitad de carrera. Todo hallazgo VERIFICADO proviene de un oráculo máquina nombrado, nunca de una afirmación LLM, aplicada en código: un veredicto que no puede nombrar su oráculo es rechazado. Este comunicado añade:

• Diez nuevas clases de oráculo (14 en total). Bypass de encabezado confiable, JWT, envenenamiento de encabezado host, XXE, confusión de tipos, XSS almacenado, IDOR secuencial, asignación masiva, SSRF no ciego y bypass de inicio de sesión SQLi, unión de SQLi (booleano/ciego), BOLA/IDOR, XSS reflejado, redirección abierta y recorrido de rutas. Cada oráculo tiene un control que debe fallar en un objetivo seguro, por lo que una aplicación no vulnerable se abstiene en lugar de ganar una insignia.alg:none
• Resiliencia a la verificación. Un barrido agresivo podía derribar un objetivo frágil de un solo contenedor, tras lo cual la fase de verificación fallaba en todos los oráculos y reportaba 0 a pesar de recetas válidas y rejugables. Ahora espera a que el objetivo responda de nuevo antes de volver a probarlo, lo que requirió un escaneo de la tienda de jugos OWASP de 0 a 12 verificado por oráculo.
• Seguridad con mira. Las herramientas activas (sqlmap, dalfox) están bloqueadas por el host al objetivo de combate; el escaneo ya no alimenta URLs de terceros extraídas del contenido de una página a herramientas de ataque.
• Cápsulas de prueba portátiles con , una TUI en vivo que cambia los veredictos a VERIFIED en pantalla, y una puerta CI () que rompe una construcción solo sobre hallazgos probados.ptai replay--fail-on verified

Apuntando a una tienda de sucos OWASP estándar, PTAI Oracle verifica 12 hallazgos en un solo escaneo: JWT aceptado en endpoints protegidos, lecturas entre usuarios de BOLA, IDOR secuencial y confusión de tipos, cada uno re-demostrado por un oráculo máquina, no afirmado. Detecta más de lo que verifica (bypass de autenticación de SQLi en , SQLi de UNION en , XXE divulgación, asignación masiva, bypass de restablecimiento de contraseña); Solo el subconjunto verificado llega al informe. Llevadlo a través de Claude Code sobre MCP sin clave API ni de forma independiente.alg:none/rest/user/login/rest/products/search/etc/passwd

Advertencia sobre honestidad. Juice Shop es la aplicación vulnerable más documentada de internet, así que tanto el LLM como los autores de la investigación tienen ventaja inicial. Frente a un objetivo nuevo, la tasa de captura es la que cubre la biblioteca de sondas seleccionada (60+ sondas web hoy en día, aumentando en cada lanzamiento); el LLM coordina y razona sobre los resultados, no reemplaza a las sondas. Un arnés privado de honeypot en mide cobertura contra los insectos que nosotros mismos escribimos y se afirma en CI (); sus números son inferiores a los de Juice Shop, y ese es el punto. Publicamos ambos. Consulta el benchmark completo de Juice Shop frente a ZAP / Nuclei / HexStrike.tests/honeypot/tests/honeypot/test_mcp_honeypot_e2e.py

pip install ptai

Si ya pagas por Claude Pro / Max / Team, tu suscripción ES el LLM. Conecta PTAI como servidor MCP:

claude mcp add pentest-ai -- ptai mcp

Reinicia Claude Code y luego pregunta:

"Haz un pentest autenticado contra staging.acme.com. El inicio de sesión está en /login, la contraseña está en $APP_PASS."

Qué ocurre con la red: las herramientas y sondas de PTAI se ejecutan localmente contra tu objetivo. Tus prompts y la salida de la herramienta que Claude Code lee pasan por la API de Anthropic, igual que en cualquier sesión de Claude Code. Si necesitas un camino con espacio aéreo, consulta el Camino 3 (Ollama / LLM local).

Claude Code impulsa PTAI a través de estas herramientas MCP (47 de ellas hoy en día):

• list_tools / run_tool: enumerar e invocar cualquiera de las 200+ herramientas de seguridad envueltas
• plan_tools / ensure_tools_installed: obtener la lista de herramientas canónica para una instalación en lote de compromiso
• list_probes / run_probe: 60 sondas compatibles con SPA para las 10 clases de bugs principales de OWASP
• http_request: HTTP raw bajo un protector de mira dura para cadenas novedosas
• start_engagement / get_findings / get_attack_chains: el registro de compromiso
• más , , , , y el restotest_web_apptest_active_directorytest_cloudtest_api_security

ptai setup --mcp

Detecta automáticamente todos los clientes compatibles con MCP que tienes instalados y escribe sus archivos de configuración. Reinicia el cliente y las mismas 47 herramientas están ahí.

Si usas Claude Code, Cursor, Codex o Claude Desktop, usa el Camino 1 o 2 arriba y sáltate esta sección. No hace falta ninguna clave API ahí.

La ruta 3 es para pipelines CI/CD, trabajos cron programados, terminales con espacio abierto y usuarios sin un cliente MCP. La CLI independiente no tiene un LLM propio, así que traes uno a través de env var:

export ANTHROPIC_API_KEY=sk-ant-...           # Claude (best results)
# or
export OPENAI_API_KEY=sk-...                  # OpenAI
# or, fully local, no cloud
export PENTEST_AI_LLM_PROVIDER=ollama         # Ollama (default localhost:11434)
# or, any of 300+ models via LiteLLM (OpenRouter, Azure, DeepSeek, Groq, Mistral, ...)
pip install litellm

ptai start https://your-target.com

¿Llegar a un endpoint compatible con OpenAI (DeepSeek cloud, Groq, Together AI, vLLM, etc.)? Configura + y usa el proveedor OpenAI. Recetas completas para cada proveedor —incluyendo nombres de modelos personalizados, resolución de problemas y la lista LiteLLM-300+— están disponibles en docs/llm-providers.md.OPENAI_BASE_URLPENTEST_AI_MODEL

El bucle de agente independiente impulsa su propio LLM, así que los bucles descontrolados cuestan dinero real. El PTAI limita el gasto por compromiso a 10 USD por defecto. Un barrido normal de la aplicación web Sonnet 4.6 con caché de prompts termina muy por debajo de eso; una carrera profunda de Opus 4.7 puede pasar por encima.

Cámbialo mediante env var (sin la bandera CLI - env var es el único potenciómetro):

export PTAI_PRICE_LIMIT=25        # raise to $25
export PTAI_PRICE_LIMIT=0         # unlimited (logs a warning)
unset PTAI_PRICE_LIMIT            # back to the $10 default

Si el tapón dispara en medio del combate, el enfrentamiento queda marcado y su punto de control se conserva. Levanta la tapa y reanuda desde donde se detuvo:aborted_cost_limit

export PTAI_PRICE_LIMIT=25
ptai resume <engagement_id>

Los Caminos 1 y 2 (MCP) no usan este límite: tu cliente de IA (Claude Code, Cursor, etc.) gestiona su propia facturación de LLM.

PTAI envuelve 200+ herramientas externas. Tres formas de ponerlas en la caja:

# 1. Zero-config (recommended). At engagement start, the planner predicts
#    which tools the LLM will need and asks ONCE to install the missing
#    ones. Decline once and the answer persists in
#    ~/.pentest-ai/install-preferences.json.
ptai start https://target.example.com

# 2. Batch install upfront. Skips the engagement-time prompt entirely.
ptai setup --tier core            # ~6 essentials, ~30s
ptai setup --tier recommended     # + fuzzers, crawlers, password tools, ~5m
ptai setup --tier full            # everything, ~30m

# 3. Install specific tools by name.
ptai setup --per-tool wpscan,dalfox,paramspider
ptai setup --wizard               # interactive picker

En contextos no interactivos (o sin TTY), PTAI usa lo que hay en PATH y los registros (en lugar de indicaciones) para detectar cualquier cosa que falte.PTAI_NON_INTERACTIVE=1

pip install ptai[api]
ptai serve --port 8888

{
  "servers": [
    {"name": "hexstrike", "command": "python3 hexstrike_mcp.py", "transport": "stdio"}
  ]
}

./benchmarks/scripts/run_all.sh   # writes JSON per run + RESULTS.md

# Sign up, then Dashboard -> API Keys -> Generate -> copy ptai_...
ptai auth login        # paste the key (hidden prompt)
ptai auth status       # confirm link
# or use an env var for CI:
export PENTESTAI_API_KEY=ptai_...

ptai menu

┌─────────────────────────────────────────────────────────────┐
│                    ptai start <target>                      │
└─────────────────────────────────────────────────────────────┘
                             │
          ┌──────────────────┼──────────────────┐
          ▼                  ▼                  ▼
      ┌────────┐        ┌────────┐        ┌─────────┐
      │ recon  │   ->    │  auth  │   ->    │   web   │
      └────────┘        └────────┘        └─────────┘
                                               │
          ┌────────────────────────────────────┤
          ▼                                    ▼
      ┌────────┐                          ┌─────────┐
      │   ad   │   ┌──────────────────┐   │ cloud   │
      └────────┘   │  Findings DB     │   └─────────┘
          │        │  (sqlite + evidence)│       │
          └───────▶│  scope-guarded     │◀──────┘
                   │  deduplicated      │
                   └──────────────────┘
                             │
                ┌────────────┼────────────┐
                ▼            ▼            ▼
           ┌──────┐    ┌─────────┐  ┌──────────┐
           │chain │    │validate │  │ detect   │
           └──────┘    └─────────┘  └──────────┘
                             │
                             ▼
                       ┌──────────┐
                       │  report  │   md · html · pdf · SARIF · JUnit
                       └──────────┘

Cada agente se ejecuta con un LLM cuando has configurado una clave, o como un bucle de herramientas determinista cuando no lo has hecho. En cualquier caso, el orden de fases es el mismo.

Tu metodología como un archivo. He comprobado en git. Compártelo con tu equipo.

name: internal-ad-pentest
inputs:
  domain: { required: true, prompt: "AD domain" }
  dc_ip:  { required: true, prompt: "DC IP" }

phases:
  - id: recon
    tools: [nmap, masscan]

  - id: ad-enum
    depends_on: [recon]
    condition: "any_finding(type='open_port', port=445)"
    tools: [enum4linux, ldapsearch, bloodhound-python]

  - id: kerberoast
    requires_finding: { type: ad_user_enumerated }
    tools: [impacket-getuserspns]
    llm_decide: true         # let the LLM skip if context says useless

ptai playbook list                  # show installed playbooks
ptai playbook show web-app-quick    # preview before running
ptai playbook run ./my-ad.yaml      # execute

Cinco libros de jugadas integrados en nave. Llegará un catálogo comunitario.

# .github/workflows/security.yml
name: Security scan
on: [pull_request]

jobs:
  ptai:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - run: pip install ptai
      - run: |
          ptai start ${{ vars.STAGING_URL }} \
            --ci \
            --fail-on high \
            --sarif pentest.sarif
        env:
          ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
      - uses: github/codeql-action/upload-sarif@v3
        if: always()
        with:
          sarif_file: pentest.sarif

Los hallazgos se publican como comentario de relaciones públicas, SARIF se sube a GitHub Code Scanning, y la compilación falla por severidad bloqueada. Plantillas de CI y Jenkins de GitLab, además de opciones avanzadas (perfiles de autenticación en CI, puertas de coste, archivos de ámbito) -> docs/ci-cd.md.

El diseño de PTAI está diseñado específicamente para pruebas de penetración SPA con cobertura de sonda seleccionada. En OWASP Juice Shop, la matriz de 4 herramientas publicada mostraba:

n=1 evaluador único, disparo único. Metodología + artefactos en bruto en benchmarks/resultados/2026-05-12/juice-shop/. La lectura honesta: PTAI es mejor en los pentests web SPA con cobertura de sonda seleccionada. HexStrike es más amplio (nube, binario, CTF) y probablemente supera a PTAI en superficies tradicionales rastreables como WordPress. Los próximos lanzamientos ampliarán la comparación.

Contexto de investigación reciente: los agentes LLM-pentest totalmente autónomos completan entre el 21 y el 31% de las tareas de extremo a extremo; las configuraciones asistidas por humanos alcanzan el 64% (ARTEMIS, DARPA AICC Atlantis, xOffensive). PTAI está diseñado para el régimen asistido por humanos: el LLM razona sobre los resultados, las sondas seleccionadas detectan, y Ctrl+C dos veces permite que el operador tome el control.

• 17 agentes en recon, web, seguridad de API, AD, nube, móvil, inalámbrico, navegador, pruebas de credenciales, escalada de privilegios, escaneo de vulnerabilidad, encadenamiento de exploits, validación de PoC, detección, informes, equipo rojo LLM, ingeniería social
• 60 sondas web seleccionadas que cubren OWASP Top 10 + API Top 10
• 200+ envoltorios de herramientas con auto-instalación: nmap, masscan, nuclei, ffuf, sqlmap, gobuster, wapiti, nikto, dalfox, xsstrike, wpscan, hydra, hashcat, enum4linux, bloodhound-python, the impacket suite, trufflehog, gitleaks, kube-hunter, trivy, prowler, scout-suite y más
• 4000+ plantillas de núcleos integradas para la detección de vulnerabilidades atómicas
• 47 herramientas MCP para proyectos impulsados por LLM, incluyendo / que permiten al LLM externo instalar por lotes herramientas sin una clave API de Anthropicplan_toolsensure_tools_installed
• 300+ modelos LLM a través del proveedor LiteLLM (Anthropic, OpenAI, Ollama direct; Azure, OpenRouter, DeepSeek, Groq, Mistral, Together AI, Bedrock, Vertex AI, Cohere vía LiteLLM)
• API HTTP REST + superficie WebSocket () para integraciones no MCPptai serve
• Panel web local con vista de interacción en vivo, tabla de hallazgos, visualización de la cadena de ataques, exportación SARIF
• Agente de automatización del navegador con captura de capturas de pantalla, análisis DOM, captura de red, corrección de cabeceras de seguridad (impulsado por Playwright)
• Teleoperación Human-In-The-Loop (Ctrl+C dos veces para tomar el control de un enfrentamiento a mitad de carrera)
• Capacidad del cliente MCP para cargar servidores MCP externos como fuentes de herramientas
• Arnés público de referencia reproducible en . Números, código, artefactos en bruto, todo en git.benchmarks/
• 6 formatos de salida: Markdown, HTML, PDF, SARIF 2.1.0, JUnit XML, mapeos de cumplimiento (OWASP, CWE, CVE, CVSS v3.1)
• 2.400+ pruebas con CI en Python 3.10, 3.11, 3.12, 3.13
• Licencia del MIT, 100% tuyo

Equipos de AppSec. Conecta con tu informe. Cada PR en contra de la puesta en escena recibe un escaneo autenticado. La configuración falla en hallazgos de alta severidad. El bucle de confirmación -> retest -> corre por sí solo.ptai

Consultores. Organiza un compromiso de una semana, señala la lista de objetivos y dedica tu tiempo a las partes que necesitan una persona: analizar hallazgos, elegir cadenas para demostrar, hablar con el cliente. El informe se redacta solo.ptai

Cazarrecompensas de insectos. Pásalo en el desayuno. Vuelve a una lista de hallazgos validados con PoCs listos para pegar en HackerOne.

Jugadores del equipo rojo. Codifica tu metodología de AD como un manual YAML. Cada nuevo compromiso lo ejecuta. Misma metodología, compartida en el equipo.

Usuarios de Código / Cursor / Codex de Claude. Añade PTAI como servidor MCP. Pide a tu asistente que realice un escaneo en inglés sencillo. Tu suscripción actual paga el LLM; PTAI proporciona las herramientas.

Desarrolladores que lanzan funciones de IA. Activa tu chatbot. Consigue un informe del Top 10 de OWASP LLM en minutos.--enable-llm-redteam

pentest-ai es herramienta de seguridad ofensiva. Ejecuta operaciones reales de red y host contra los objetivos que especifiques. Eres el único responsable de asegurarte de tener autorización explícita y por escrito para probar cada objetivo.

Al instalar o ejecutar, aceptas la Política de Uso Aceptable y los Términos de Servicio. Los sistemas de prueba que no poseas sin autorización por escrito pueden violar la Ley de Fraude y Abuso Informático, la Ley de Uso Indebido de Computadoras de 1990, el Artículo 32 del RGPD y equivalentes en tu jurisdicción. El mal uso es tu única responsabilidad.ptai

La primera partida te pide confirmar la aceptación de la AUP y mantiene la elección a . Configura CI para saltarse el prompt de forma no interactiva.~/.pentest-ai/aup-consent.txtPENTEST_AI_AUP_ACCEPTED=1

Al arrancar carga un archivo de oscilación. Los hosts fuera de alcance son rechazados en el momento de invocación de la herramienta. Las personas de color no son destructivas por defecto. Los límites de tasa se activan automáticamente en modo sigilo. No seas esa persona.ptai

ptai detecta las clases de vulnerabilidades ciegas (SSRF ciego, SQLi ciego, XXE ciego, XSS almacenado ciego, SSTI, Log4Shell) emitiendo cargas útiles que, al dispararse desde el lado del servidor, encajan con un colaborador fuera de banda. Por defecto, las devoluciones de llamada enrutan a la infraestructura pública de ProjectDiscovery.oast.fun

Qué cae sobre el colaborador y quién puede leerlo. Cada interacción genera un par de claves RSA-2048 nuevo en tu proceso local. Las cargas útiles de interacción (solicitudes HTTP en bruto, consultas DNS, sobres SMTP recibidos por el colaborador) están cifradas en AES-CTR-256 en reposo en el lado del servidor, con la clave AES envuelta en RSA-OAEP-SHA256 usando la clave pública de tu engagement. Solo el titular de la clave privada correspondiente —tu proceso local de la PTAI— puede descifrarlas. ProjectDiscovery (o quien dirija el colaborador) no puede leer el contenido de interacción. Sin embargo, los metadatos son visibles para el servidor: el hecho de que ocurrió una interacción, la IP de origen del destinatario que llama, la marca de tiempo y el protocolo.ptai

Cuándo autoalojarse. PortSwigger prohíbe explícitamente el uso público de los colaboradores de Burp en sus reglas de compromiso contra bugs bounty, y los grandes programas empresariales (Meta, Apple, finanzas) requieren cada vez más que la infraestructura de callback termine en hosts controlados por el tester. Para compromisos pagados, ejecuta tu propio servidor Interactsh (Apache-2.0, binario Go único) y apunta a los PTAI hacia él:

ptai start http://target --oast-server https://oast.example.com --oast-token <T>

Para desactivar OAST por completo:

ptai start http://target --no-oast

Las clases de vulnul-ciega no se detectan cuando OAST está desactivado; las rutas de detección en banda (delta de tamaño / marcadores de error SQL / firmas de metadatos / basadas en tiempo) siguen ejecutándose.

¿Necesitas espacios de trabajo compartidos, informes PDF con marca, SSO o un compromiso gestionado? La web tiene paneles Pro / Team / Enterprise y una opción de Engagement de Lanzamiento de un solo momento. La herramienta OSS sigue siendo OSS, gratuita para siempre.

• Discord: únete al servidor. Charla, busca ayuda, comparte hallazgos, observa.
• Preguntas, ideas, comentarios: Debates en GitHub
• Informes de errores: Problemas con GitHub
• Muestra y cuenta: publica el hallazgo más salvaje que te han dado en Muestra y cuentaptai

¿Necesito una clave API? No en el camino MCP. Si conduces PTAI desde Claude Code, Cursor, Codex o Claude Desktop, tu suscripción actual es el LLM. Solo necesitas una clave en la CLI independiente (Path 3), y aun así puedes ejecutar completamente localmente con Ollama. Consulta Instalar.

¿Es realmente autónomo o debo cuidarlo? Mantente informado. PTAI está coordinado con el LLM, no es autónomo: las sondas seleccionadas hacen la detección, el LLM se encarga de los resultados y tú eres el responsable de la llamada. Pulsa Ctrl+C dos veces a mitad de carrera para tomar el control. Los agentes LLM totalmente autónomos completan entre el 21 y el 31% de las tareas de los pendientes de principio a fin; Las instalaciones asistidas por humanos alcanzan el 64%, y el PTAI está diseñado para ese segundo régimen.

¿Es seguro señalar la producción? Solo con autorización escrita, y solo con las barreras activadas: salta sondas que mutan el estado, respeta 429 / Retry-After, y rechaza solicitudes fuera del host y se detiene tras las redirecciones. Los tres por defecto están desactivados, así que actívalos. Consulta Uso responsable.intensity=saferespect_rate_limitsstrict_scope

¿Por qué el número de la tienda de zumos es alto pero el honeypot más bajo? Juice Shop es la aplicación vulnerable más documentada de internet, así que tanto el LLM como los autores de la investigación tienen ventaja inicial. El honeypot privado mide los micrófonos que escribimos nosotros mismos, así que su número es menor — y ese número menor es la señal honesta. Publicamos ambos. Consulta los Benchmarks.

¿Te hace referencia a casa? No hay telemetría, y los hallazgos permanecen en tu disco. En la ruta MCP, tus prompts y la salida de la herramienta que lee tu cliente de IA pasan por la API de ese cliente, igual que en cualquier sesión. La detección de vulnerabilidad ciega (OAST) envía llamadas de vuelta a oast.fun públicas por defecto: el contenido se cifra en un par de claves local, pero el hecho de que haya ocurrido una devolución de llamada junto con la IP de origen y la marca de tiempo son visibles para quien ejecute el colaborador. Interactúa con tu propio anfitrión o corre con él para evitar eso. Consulta Uso responsable.--no-oast

¿Cuánto cuesta funcionar? En el camino MCP, nada más allá de tu suscripción de IA, que gestiona su propia facturación. En el CLI, los límites PTAI gastan por defecto 10 $ por combate; cámbialo por . Consulta Instalar.PTAI_PRICE_LIMIT

¿En qué se diferencia esto de usar simplemente Claude o PentestGPT? Una biblioteca de sondas deterministas seleccionada encuentra los bugs; el LLM ejecuta el bucle de fase y razona sobre los resultados, no escanea. Por eso los hallazgos se reproducen y se envían con una persona de concepto funcional en lugar de una suposición de LLM. Mira por qué es diferente y en comparación con el campo.

Historia de Star

MIT. Haz lo que quieras con ella.

#PentestAI #PTAI #PentestAi #CyberSunil #HerramientaOfensiva #PentestingTool #AITools #CyberTools #PentestTool #OSINT #AIpentest #LLMPentest #AIPentesting #PentestingConIA #AIinCybersecurity #MachineLearning #LLM #GenerativeAI #AI4Security #AIsecurity #Vulnerabilidades #Exploit #ExploitChain #ZeroDay #SQLi #XSS #BOLA #IDOR #SSRF #XXE #OWASP #OWASPTop10 #OWASPAPI #OWASPJuiceShop #JuiceShop #OWASPLLM #WSTG #WSTGv4 #SecurityTesting #WebSecurity
#Pentest #Pentesting #PenetrationTesting #EthicalHacking #HackingEtico #RedTeam #RedTeaming #BlueTeam #BugBounty #BugHunting  #Nuclei #SQLMap #Nmap #BurpSuite #ZAP #OWASPZAP #Dalfox #FFUF #Gobuster #Hydra #DevSecOps #CICD #GitHubActions #SARIF #CodeQL #SecurityAutomation #AppSec #ShiftLeft #SecureCoding #StaticAnalysis #Python #Flask #Docker #DockerCompose #OpenSource #MIT #GitHub #Linux #Kali #Termux #MCP #ModelContextProtocol #ClaudeCode #ClaudeAI #Cursor #Codex #AIAgents #AgenticAI #MCPserver #ClaudePro #OffensiveSecurity #RedTeamOps #CyberAttack #ThreatHunting #ThreatIntel #CVE #CWE #CVSS #ExploitDev #CyberWarfare #PentestReport #SecurityReport #Compliance #RiskManagement #VulnerabilityManagement #SecurityAudit #InfoSec #Cybersecurity #CyberDefense #SecurityByDesign #CyberEducation #CyberTraining #LearnHacking #HackToLearn #CyberCommunity #InfoSecCommunity #HackingCommunity #CyberAcademy #CTF #CTFChallenge 
#OracleVerified #NoFalsePositives #VerifiedFindings #ExploitVerification #ProofOfConcept #PoC #ReproducibleResults #OpenScience #Benchmarks #Honeypot #Innovation #TechInnovation #FutureOfSecurity #NextGenSecurity #AITools #Automation #RoboticProcessAutomation #CyberInnovation #SecurityResearch #AITech #CyberSecurity #Cybersecurity #InfoSec #Hacking #Hacker #Tech #Technology #Code #Programming #OpenSource

💻🔥 Somos una comunidad de hacking y ciberseguridad donde aprender es parte del juego 🔥💻

🧑‍💻 Aquí encontrarás gente que está empezando y otros que ya están en nivel avanzado, todos compartiendo herramientas, trucos, metodologías y experiencias reales.

🛠 Desde pentesting hasta OSINT, explotación o defensa, tocamos todo lo necesario para crecer en este mundo.

🎯 Nos gusta aprender haciendo: laboratorios, retos, pruebas reales y colaboración constante.

🧠 Nuestros logotipos representan quiénes somos: una comunidad unida por la curiosidad, el conocimiento y las ganas de romper (y entender) sistemas.

🚀 Si te mola la ciberseguridad y quieres subir de nivel rodeado de gente que está en lo mismo que tú… este es tu sitio.

🌐 Página Web:
https://www.hackingteamoficcial.uk/

💻 GitHub:
https://github.com/HackingTeamOficial

📲 Telegram:
https://t.me/PlantillasNucleiHackingTeam
https://t.me/HackingTeamGrupoOfficial
https://t.me/+0hHSaKO7eI9mNWY8 (Difusión)
https://t.me/+llcmNGzz6JIyMmI0 (Biblioteca)
https://t.me/TermuxHackingTeam

🐦 X (Twitter):
@HackingTeam77

🦋 Bluesky:
https://bsky.app/profile/hackingteam.bsky.social

💬 Discord:
https://discord.gg/V4nPFbQX

📘 Facebook:
https://www.facebook.com/groups/hackingteam2022/?ref=share
https://www.facebook.com/groups/HackingTeamCyber/?ref=share

🎥 YouTube:
https://www.youtube.com/@HackingTeamOficial/videos

🎵 TikTok:
https://www.tiktok.com/@hackingteamprohackers
https://www.tiktok.com/@hacking.kdea?_t=ZS-8vTtlaQrDTL&_r=1