AIペネトレーションテストツール9種を一つずつ調べた(有償・無償/ネットワーク/Web/対応モデル/ローカルLLM)
「AIペネトレーション」と一口に言っても、指すものが二つある。AIシステム自体を攻撃するツール(プロンプトインジェクション検査のgarakやPyRITなど)と、AIを道具として使って侵入テストを回すツールだ。この記事で扱うのは後者、つまりLLMをエンジンにして偵察・列挙・エクスプロイトを進める攻撃側ツールのほうである。
評価の観点は次の5つに固定した。
- 有償・無償: OSSで自前運用できるのか、SaaSの課金が必要なのか
- ネットワークペネトレーション: 内部・外部・AD・横展開といったインフラ側に対応するか
- Webペネトレーション: SQLi / XSS / SSRF / RCEなどアプリ層に対応するか
- 対応しているAIモデル: どのLLMをエンジンに使えるか
- ローカルLLM対応: Ollama / LM Studioなどでローカル完結できるか(クラウドにスコープ情報を出したくない場合に重要)
9種類を一つずつ調べた結果を、まず一覧で示す。
一覧比較
| ツール | 有償/無償 | ネットワーク | Web | 対応AIモデル | ローカルLLM |
|---|---|---|---|---|---|
| PentestGPT | 無償 (MIT) | 対応 | 対応 | Claude中心、OpenAI/Gemini対応進行中、OpenRouter | 対応 |
| PentAGI | 無償 (MIT) | 対応 | 対応 | OpenAI/Anthropic/Gemini/Bedrock/DeepSeek他10+ | 対応 |
| CAI | 無償 (研究用) | 対応 | 対応 | 300+ (OpenAI/Anthropic/DeepSeek/Ollama他) | 対応 |
| Strix | 無償 | 限定的 | 得意 | 各種 (LiteLLM経由) | 対応 |
| Nebula | 無償 + Pro有償 | 対応 | 対応 | OpenAI/Llama 3.1/Mistral/DeepSeek-R1他 | 対応 |
| HexStrike AI | 無償 (MIT) | 対応 | 対応 | クライアント依存 (Claude/GPT/Copilot等) | クライアント次第で可 |
| Penligent | 有償 (SaaS) | 対応 | 対応 | 非公開 (商用モデル群) | 非対応 |
| XBOW | 有償 | 限定的 | 得意 | GPT-5.5 ほか (運営側で選定) | 非対応 |
| NodeZero | 有償 (サブスク) | 得意 | 対応 (early access) | Claude/LLaMA/Mistralをタスク別に選択 | 非対応 |
以下、一つずつ中身を見ていく。
1. PentestGPT: LLMペンテストの原点(無償)
PentestGPTはUSENIX Security 2024で発表された、LLMをペネトレーションテストに使う研究の事実上の出発点。GitHubで13.5kスター超、ライセンスはMITで完全に無償。
- 有償・無償: 無償(OSS/MIT)。費用はLLM APIの従量分のみ
- ネットワーク/Web: スコープは広く、Web・Crypto・Reversing・Forensics・PWN・権限昇格をカバーする汎用型。HackTheBoxやCTF的なシナリオを進めるのが得意で、ネットワークもWebも一通り扱える
- 対応AIモデル: v1.0はAnthropic Claude APIを主軸にしている。OpenAI / Geminiなどのマルチモデル対応は開発中という位置づけ。OpenRouter経由でも回せる
- ローカルLLM: 対応。LM Studio / Ollama / text-generation-webuiといったローカルサーバーにルーティングできる
実体は「ペンテスターの思考を補助する対話エージェント」で、人間がコマンドを実行し結果を貼り戻す半自動運用が基本。XBOWのベンチで90/104(86.5%)成功、成功あたり平均$1.11という数字が出ている。まずここから触るのが筋がよい。
2. PentAGI: 完全自律を狙うOSS(無償)
PentAGI(vxcontrol)は「目標を渡すと自律的に侵入テストを進める」ことを掲げたOSS。2026年4月に公開され話題になった。CALDERAのような事前定義シナリオを流すBASとは違い、エージェントがその場で計画を立てて動くタイプ。
- 有償・無償: 無償(MIT、セルフホスト可)。クラウドLLMを使う場合のみその従量課金が発生
- ネットワーク/Web: nmap / Metasploit / sqlmapなど20以上のツールを載せたKaliベースのイメージを内蔵し、ネットワークもWebも扱える。REST / GraphQL APIを持ちCI/CDへの組み込みも可能
- 対応AIモデル: OpenAI、Anthropic、Google Gemini、AWS Bedrock、Ollama、DeepSeek、GLM、Kimi、Qwen、カスタムなど10以上のプロバイダに対応。OpenRouter / DeepInfraといったアグリゲータも使える。Claudeについては、ツール呼び出し・ストリーミング・extended thinking・プロンプトキャッシュに対応した10モデルを使える
- ローカルLLM: 対応(Ollama)。クラウドを一切使わない完全ローカル構成も組める
設計はオーケストレータが「調査役・開発役・実行役」の専門エージェントを束ねる構成で、実行は隔離コンテナ内で行う。OSSで自律寄りを試したいならこれが筆頭。
3. CAI (Cybersecurity AI): 300以上のモデルに対応する研究フレームワーク(無償)
Alias RoboticsのCAIは、エージェント型のセキュリティAIを組み立てるためのフレームワーク。研究用途で無償公開されており、論文(arXiv 2504.06017)も出ている。
- 有償・無償: 無償(研究用)。AIとセキュリティの民主化を掲げる
- ネットワーク/Web: 偵察・エクスプロイト・権限昇格・検証・レポートまでをカバーし、ネットワークもWebも対象。CTFベンチで既存手法を大きく上回り、ケースによっては桁違いに高速という結果を出している
- 対応AIモデル: 300以上のモデルに対応。OpenAI、Anthropic、DeepSeek、Ollamaなどが使える
- ローカルLLM: 対応。
CAI_MODELにqwen2.5:72bなどを指定しOLLAMA_API_BASEを向ければローカルOllamaで動く。ただし、ローカルモデルはセキュリティ用途に最適化されていないので割り引いて見るべきだと、公式も注意している
モデルの選択肢の広さが際立つ。手元のモデルを差し替えながら検証したい人に向く。
4. Strix: Webアプリ特化のAIハッカー(無償)
Strix(usestrix)は「実際のハッカーのように振る舞う自律エージェント」を掲げたOSS。2025年11月に公開。
- 有償・無償: 無償。GitHubで公開
- ネットワーク/Web: Webアプリに強い。HTTPプロキシでリクエスト/レスポンスを改変し、ブラウザを駆動してXSS / CSRFなどクライアント側の経路を探り、ターミナルとPython環境でエクスプロイトを書く。主な対象はネットワーク全般よりもアプリ層
- 対応AIモデル: 各種モデルに対応(内部的にLiteLLM経由で多様なプロバイダを呼び出せる)
- ローカルLLM: 対応。
LLM_API_BASEを設定すればLM Studio / Ollamaのローカルモデルを使える
特徴は「PoCが取れない発見は報告しない(No PoC, no finding)」という方針で、理論上は誤検知ゼロを狙う。GitHub ActionsなどCI/CD内で動かし、新たな脆弱性を検知したらPRをブロックする使い方ができる。アプリ開発のシフトレフト寄りの設計だ。
5. Nebula: 端末に同居するアシスタント(無償、Proは有償)
Nebula(BerylliumSec)はCLIにAIを統合した「ターミナルアシスタント」型。偵察・スキャン・エクスプロイト・メモ取りをコマンドラインから回す。
- 有償・無償: コア部分は無償のOSS。加えて拡張機能を持つ商用のNebula Proがある
- ネットワーク/Web: nmap連携の偵察などネットワーク寄りの自動化が軸で、脆弱性分析やノート自動化まで一通りこなす汎用型。AIエージェントによるインターネット検索でリアルタイムの文脈を取り込む機能もある
- 対応AIモデル: OpenAIのモデルに加え、Meta Llama-3.1-8B-Instruct、Mistral-7B-Instruct、DeepSeek-R1-Distill-Llama-8Bなどオープンモデルを統合
- ローカルLLM: 対応。Ollama経由でローカル実行でき、プライバシー重視の運用が可能。Docker / PyPIで導入できる
OSS系の中では比較的コミュニティが育っており、CLIでの作業にAIを組み込みたい人向け。
6. HexStrike AI: 150以上のツールをMCPで束ねる(無償)
HexStrike AI(0x4m4)は、AIエージェントに既存のセキュリティツール群を実行させるためのMCPサーバー。ツール自体がLLMを内蔵するのではなく、手元のAIクライアントに「実際に手を動かす工具箱」を渡す形だ。
- 有償・無償: 無償(MIT)
- ネットワーク/Web: ネットワーク偵察、Webアプリ診断、パスワードクラック、バイナリ解析まで150以上のツールを網羅し、ネットワークもWebも幅広く扱える
- 対応AIモデル: MCP経由なので、使えるモデルはクライアント側に依存する。Claude、GPT、Copilotなどが使える。Cursor / Claude Desktop / VS Codeなどにワンクリック導入できる。Claude Codeから遠隔のバックエンドに繋ぐ構成もある
- ローカルLLM: クライアント次第。ローカルモデルを使うMCPクライアントと組み合わせれば可能
「AIに既存OSSを使わせる」発想なので、自分の使い慣れたモデル環境をそのまま攻撃側のオーケストレータに転用できるのが強み。
7. Penligent: 手頃なSaaS型(有償)
PenligentはAI駆動のワークフローに各種ツールを束ねた商用SaaS。OSS勢に比べて導入のハードルが低いのが売り。
- 有償・無償: 有償。Proプランは年払いで月$39.92(月払い$49.90)から、クレジット制(Proは月6,000クレジット)。無償・チーム・エンタープライズのプランもある
- ネットワーク/Web: Nmap、Metasploit、Burp Suiteなど200以上のツールをAIワークフローに統合し、ネットワークもWebもカバー。最新CVEスキャン、ワンクリックのPoCスクリプト生成、証拠優先の結果、人間が介在するエージェント運用、編集可能なレポートをうたう
- 対応AIモデル: どのモデルを内部で使うかは明示されていない(Claude Sonnet / Gemini / GPT-5系など上位モデルを背後で使う構成)
- ローカルLLM: 非対応(クラウドSaaS)
価格が明朗で個人〜小チームでも手が届く水準。スコープ情報をクラウドに預ける前提なので、その点は許容できるかで判断が分かれる。
8. XBOW: Webに特化した完全自律プラットフォーム(有償)
XBOWはGitHub Copilotを作ったOege de Moorが立ち上げた、Webアプリに特化した完全自律型の攻撃プラットフォーム。2026年3月に$120Mを調達して話題になった。
- 有償・無償: 有償。Webアプリペンテストで1テストあたり$4,000から。公開価格は出しておらず、規模に応じたエンタープライズ見積もりが基本。AWS Marketplace経由の提供もある
- ネットワーク/Web: 主な対象はWebアプリ。SQLi、RCE、SSRF、Padding Oracleなどの発見・悪用で、Amazon・Disney・PayPal級の実システムでも実績があるとする。数千の独立エージェントを並列で走らせ、実際に悪用できた場合のみ「発見」として確定する
- 対応AIモデル: 最も効率がよいとしてGPT-5.5を採用(複数モデルを評価したうえでの選定)。利用者がモデルを選ぶ形ではなく運営側が最適化する
- ローカルLLM: 非対応(マネージドプラットフォーム)
「自律エージェントは創造的に探索するが、悪用が確認できたものだけを採用する」という設計思想で、誤検知を抑えようとしている。ネットワーク全般ではなく、Webの診断に予算を充てるときの選択肢という位置づけ。
9. NodeZero (Horizon3.ai): ネットワーク自律ペンテストの代表格(有償)
NodeZeroは2026年のアナリスト評で最も頻繁に挙がる自律型プラットフォーム。ネットワーク(内部・外部・クラウド)の自律ペンテストが本領。
- 有償・無償: 有償。価格は非公開でサブスク(年契約が基本、複数年で割引)。資産数などスコープに応じた見積もり制
- ネットワーク/Web: ネットワークが得意で、内部・外部・クラウド・ハイブリッドにまたがり、認証情報の悪用や横展開、AD侵害までの経路を実際に辿って見せる。内部テストは無償のDockerホスト/OVAから、外部テストはHorizon3.aiのクラウドから自動実行。加えてWebアプリペンテスト(XSS / SQLi / アクセス制御不備 / XXE / SSRF)をearly accessで展開中
- 対応AIモデル: 基盤モデルを自前で学習はせず、ライブデータから構造化プロンプトを組み、Claude / LLaMA / Mistralなどをタスクごとに使い分けて推論する。エクスプロイトの生成・実行に生成AIを使わない点は重要だ。攻撃動作は決定的で、事前に検証されている
- ローカルLLM: 非対応(マネージド/クラウド、モデル選択は運営側)
Forresterの調査では年$325K超のコスト削減という数字も出ている。エンタープライズのインフラ側を継続的に検証したい組織でよく使われている。
どれを選ぶか
調べてみて見えた切り分けは次のとおり。
- まず無償で触るならPentestGPT。LLMペンテストの基礎で、Claude中心ながらローカルLLMも使える。汎用で、ネットワークもWebも扱える
- OSSで自律寄りを試すならPentAGIかCAI。対応モデルが極端に広く(PentAGIは10+プロバイダ、CAIは300+)、Ollamaでローカル完結できる。ネットワーク・Web両対応
- Webアプリに絞るならStrix(無償)かXBOW(有償)。StrixはPoC必須・CI/CD組み込み・ローカルLLM可、XBOWはGPT-5.5ベースのマネージドで$4,000/テストから
- 既存ツールをAIに使わせたいならHexStrike AI。MCPで手元のモデル環境(ローカル含む)をそのまま攻撃オーケストレータにできる
- ネットワークの継続検証を組織で回すならNodeZero。AD侵害や横展開の自律実行が本領で、エクスプロイトは決定的(生成AIに作らせない)という安全側の設計
- 手頃な商用SaaSならPenligent、CLI常駐型が好みならNebula
観点ごとに整理し直すと次のようになる。
- ローカルLLMでの完結を最優先するならOSS勢(PentestGPT / PentAGI / CAI / Strix / Nebula / HexStrike)一択。有償SaaS(Penligent / XBOW / NodeZero)はクラウド前提で、モデルも運営側が決める
- 対応モデルの自由度はCAI(300+)とPentAGI(10+プロバイダ)が突出
- ネットワーク特化はNodeZero、Web特化はXBOWとStrix、残りは汎用
最後に当然の前提として、これらはいずれも許可された対象に対してのみ使うこと。StrixやNodeZeroのようにPoC・決定的実行で誤検知や意図しない被害を抑える設計が増えているとはいえ、自律エージェントに実攻撃を委ねる以上、スコープ管理と監督は人間の責任のまま残る。