> [!NOTE]
> 本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
> [English](./README.en.md) · [原始项目](https://github.com/sooryathejas/METATRON) · [上游 README](https://github.com/sooryathejas/METATRON/blob/HEAD/README.md)
> 原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。
# METATRON
在 Linux（Parrot OS）上使用本地 LLM 的 AI 驱动渗透测试助手
# 🔱 METATRON
### AI 驱动的渗透测试助手
---
## 📌 什么是 Metatron？
**Metatron** 是一款基于 CLI 的 AI 渗透测试助手，完全在本地机器上运行——无需云端、无需 API 密钥、无需订阅。
你提供一个目标 IP 或域名。它会运行真实的侦察工具（nmap、whois、whatweb、curl、dig、nikto），将所有结果馈送给本地运行的 AI 模型，由 AI 分析目标、识别漏洞、建议利用方式并推荐修复方案。所有内容都会保存到 MariaDB 数据库，并保留完整的扫描历史。
---
## ✨ 功能特性
- 🤖 **本地 AI 分析** — 通过 Ollama 由 `metatron-qwen` 驱动，100% 离线运行
- 🔍 **自动化侦察** — nmap、whois、whatweb、curl 请求头、dig DNS、nikto
- 🌐 **网络搜索** — DuckDuckGo 搜索 + CVE 查询（无需 API 密钥）
- 🗄️ **MariaDB 后端** — 完整扫描历史，含 5 张关联表
- ✏️ **编辑 / 删除** — 可直接从 CLI 修改任何已保存的结果
- 🔁 **智能体循环（Agentic Loop）** — AI 可在分析过程中请求运行更多工具
- 🚫 **无需 API 密钥** — 一切免费且本地运行
-📤 导出报告
Metatron 允许你通过选择「2.view history」→ 选择序号并导出，将扫描结果导出为清晰、可分享的报告格式
📄 PDF — 专业漏洞报告
🌐 HTML — 可在浏览器中查看的报告
---
## 🖥️ 截图
主菜单
在目标上运行的侦察工具
metatron-qwen 分析扫描结果
漏洞已保存至数据库
将扫描结果导出为 PDF 和/或 HTML
---
## 🧱 技术栈
| 组件 | 技术 |
|------------|-------------------------------------|
| 语言 | Python 3 |
| AI 模型 | metatron-qwen（微调的 Qwen 3.5） |
| 基础模型 | huihui_ai/qwen3.5-abliterated:9b |
| LLM 运行器 | Ollama |
| 数据库 | MariaDB |
| 操作系统 | Parrot OS（基于 Debian） |
| 搜索 | DuckDuckGo（免费，无需密钥） |
---
## ⚙️ 安装
### 1. 克隆仓库
```bash
git clone https://github.com/sooryathejas/METATRON.git
cd METATRON
```
### 2. 创建并激活虚拟环境
```bash
python3 -m venv venv
source venv/bin/activate
```
### 3. 安装 Python 依赖
```bash
pip install -r requirements.txt
```
### 4. 安装系统工具
```bash
sudo apt install nmap whois whatweb curl dnsutils nikto
```
---
## 🤖 AI 模型配置
### 步骤 1 — 安装 Ollama
```bash
curl -fsSL https://ollama.com/install.sh | sh
```
### 步骤 2 — 下载基础模型
```bash
ollama pull huihui_ai/qwen3.5-abliterated:9b
```
> ⚠️ 此模型至少需要 8.4 GB 内存。若系统内存不足，请使用 4b 变体：
> ```bash
> ollama pull huihui_ai/qwen3.5-abliterated:4b
> ```
> 然后编辑 `Modelfile`，将 FROM 行改为 4b 模型。
### 步骤 3 — 构建自定义 metatron-qwen 模型
仓库包含 `Modelfile`，使用渗透测试专用参数对基础模型进行微调：
```bash
ollama create metatron-qwen -f Modelfile
```
这将创建本地 `metatron-qwen` 模型，配置为：
- 16,384 token 上下文窗口
- Temperature: 0.7
- Top-k: 10
- Top-p: 0.9
### 步骤 4 — 验证模型是否存在
```bash
ollama list
```
你应在列表中看到 `metatron-qwen`。
---
## 🗄️ 数据库配置
### 步骤 1 — 确保 MariaDB 正在运行
```bash
sudo systemctl start mariadb
sudo systemctl enable mariadb
```
### 步骤 2 — 创建数据库和用户
```bash
mysql -u root
```
```sql
CREATE DATABASE metatron;
CREATE USER 'metatron'@'localhost' IDENTIFIED BY '123';
GRANT ALL PRIVILEGES ON metatron.* TO 'metatron'@'localhost';
FLUSH PRIVILEGES;
EXIT;
```
### 步骤 3 — 创建表
```bash
mysql -u metatron -p123 metatron
```
```sql
CREATE TABLE history (
sl_no INT AUTO_INCREMENT PRIMARY KEY,
target VARCHAR(255) NOT NULL,
scan_date DATETIME NOT NULL,
status VARCHAR(50) DEFAULT 'active'
);
CREATE TABLE vulnerabilities (
id INT AUTO_INCREMENT PRIMARY KEY,
sl_no INT,
vuln_name TEXT,
severity VARCHAR(50),
port VARCHAR(20),
service VARCHAR(100),
description TEXT,
FOREIGN KEY (sl_no) REFERENCES history(sl_no)
);
CREATE TABLE fixes (
id INT AUTO_INCREMENT PRIMARY KEY,
sl_no INT,
vuln_id INT,
fix_text TEXT,
source VARCHAR(50),
FOREIGN KEY (sl_no) REFERENCES history(sl_no),
FOREIGN KEY (vuln_id) REFERENCES vulnerabilities(id)
);
CREATE TABLE exploits_attempted (
id INT AUTO_INCREMENT PRIMARY KEY,
sl_no INT,
exploit_name TEXT,
tool_used TEXT,
payload LONGTEXT,
result TEXT,
notes TEXT,
FOREIGN KEY (sl_no) REFERENCES history(sl_no)
);
CREATE TABLE summary (
id INT AUTO_INCREMENT PRIMARY KEY,
sl_no INT,
raw_scan LONGTEXT,
ai_analysis LONGTEXT,
risk_level VARCHAR(50),
generated_at DATETIME,
FOREIGN KEY (sl_no) REFERENCES history(sl_no)
);
```
---
## 🚀 使用方法
运行 Metatron 需要**两个终端标签页**。
### 终端 1 — 加载 AI 模型
```bash
ollama run metatron-qwen
```
等待直到出现 `>>>` 提示符。这表示模型已加载到内存并就绪。你可让此终端在后台继续运行。
### 终端 2 — 启动 Metatron
```bash
cd ~/METATRON
source venv/bin/activate
python metatron.py
```
---
### 操作流程
**1. 主菜单出现：**
```
[1] New Scan
[2] View History
[3] Exit
```
**2. 选择 [1] New Scan → 输入你的目标：**
```
[?] Enter target IP or domain: 192.168.1.1
```
or
```
[?] Enter target IP or domain: example.com
```
**3. 选择要运行的侦察工具：**
```
[1] nmap
[2] whois
[3] whatweb
[4] curl headers
[5] dig DNS
[6] nikto
[a] Run all (except nikto)
[n] Run all + nikto (slow)
```
**4. Metatron 运行工具，将结果馈送给 AI，并打印分析结果。**
**5. 所有内容会自动保存到 MariaDB。**
**6. 扫描完成后，你可以编辑或删除任何结果。**
---
## 📁 项目结构
```
METATRON/
├── metatron.py ← main CLI entry point
├── db.py ← MariaDB connection and all CRUD operations
├── tools.py ← recon tool runners (nmap, whois, etc.)
├── llm.py ← Ollama interface and AI tool dispatch loop
├── search.py ← DuckDuckGo web search and CVE lookup
├── Modelfile ← custom model config for metatron-qwen
├── requirements.txt ← Python dependencies
├── .gitignore ← excludes venv, pycache, db files
├── LICENSE ← MIT License
├── README.md ← this file
└── screenshots/ ← terminal screenshots for documentation
```
---
## 🗃️ 数据库结构（Database Schema）
所有 5 张表均通过 `history` 表中的 `sl_no`（会话编号，session number）相互关联：
```
history ← one row per scan session (sl_no is the spine)
│
├── vulnerabilities ← vulns found, linked by sl_no
│ │
│ └── fixes ← fixes per vuln, linked by vuln_id + sl_no
│
├── exploits_attempted ← exploits tried, linked by sl_no
│
└── summary ← full AI analysis dump, linked by sl_no
```
---
## ⚠️ 免责声明
本工具仅用于**教育目的及经授权的渗透测试（penetration testing）**。
- 仅在你拥有所有权，或已获得**明确书面许可**的系统上使用 Metatron。
- 未经授权扫描或利用系统属于**违法行为**。
- 作者不对本工具的任何滥用承担任何责任。
---
## 👤 作者
**Soorya Thejas**
- GitHub: [@sooryathejas](https://github.com/sooryathejas)
---
## 📄 许可证
本项目采用 MIT License 授权 — 详情请参阅 [LICENSE](LICENSE) 文件。