ظرفیت محدود پنتست
پوشش مستمر Web و API با نیروی انسانی به‌تنهایی دشوار و پرهزینه است.
AI-Powered Agentic Pentesting
تست نفوذ Web و API با هوش مصنوعی،
روی زیرساخت سازمان
WikiFuzzer پلتفرم محلی تست نفوذ مجاز است: سطح حمله را تحلیل می‌کند، بهترین اقدام بعدی را انتخاب می‌کند، آزمون واقعی اجرا می‌کند و فقط با Evidence تأیید می‌نماید. ابزارهای اجرا کنترل‌شده‌اند و بخش اعظم موتور تست توسط تیم توسعهٔ محصول نوشته شده است.
فقط روی هدف مجاز سازمان · Local · Evidence-Based
استقرار
Local / On-Prem
سخت‌افزار
بدون GPU قوی
پوشش
Web · API
اعتماد
Evidence-Based
مسئله
چالش تیم‌های امنیت و AI در سازمان
کمبود نیروی متخصص، حساسیت داده، و ابزارهای ابری که فقط پیشنهاد می‌دهند — نه آزمون واقعی روی زیرساخت خودتان.
داده نباید از سازمان خارج شود
شواهد، ترافیک و نتایج تست اغلب قابل ارسال به سرویس ابری عمومی نیستند.
AI بدون مدرک کافی نیست
پاسخ قانع‌کنندهٔ مدل جایگزین آزمون زنده و Evidence قابل بازتولید نمی‌شود.
مدیران AI و محصولAgentic AI واقعی، نه صرفاً برچسب AI-powered
تیم امنیتپوشش بیشتر با تفکیک Lead و Confirmed
زیرساخت و انطباقمدل، ابزار و شواهد داخل مرز سازمان
معرفی محصول
WikiFuzzer چیست؟
یک پلتفرم Agentic AI برای تست نفوذ مجاز Web و API — با مغز تصمیم‌گیر، اجرای تست کنترل‌شده، و ثبت صرفاً یافته‌هایی که از Oracle و Verifier عبور کرده‌اند.
AI Pentesting روی ماشین سازمان
- WikiFuzzerLLMمدل محلی به‌همراه مغز تصمیم‌گیر
- استقرار محلیبدون ارسال داده به ابر عمومی
- موتور تست واقعیبرای Web و API؛ نه صرفاً پیشنهاد متنی
- ابزارهای کنترل‌شدهبخش اعظم توسط تیم توسعهٔ محصول کدنویسی شده است
- Propose ≠ Confirmتفکیک Lead و Confirmed؛ قابل ممیزی
پیشنهاد می‌دهد
حسگرها و مدل فقط Propose می‌کنند — Confirmed نمی‌سازند.
بهترین اقدام را تعیین می‌کند
Next Best Action ترتیب تست را بر اساس ارزش اطلاعات و هزینه مالک می‌شود.
با مدرک قطعی می‌کند
Pack اجرا می‌کند؛ Oracle و Verifier وضعیت را قفل می‌کنند.
مغز سیستم
نه یک مدل ساده؛ بلکه یک مغز تصمیم‌گیر مستمر
سیستم وضعیت کمپین را نگه می‌دارد، بهترین اقدام بعدی را انتخاب می‌کند، آزمون واقعی اجرا می‌کند و پس از هر یافته یا احراز هویت، اولویت‌ها را دوباره می‌چیند.
Sensors / LLM / Director / Facts / Nuclei / Attack Graph
فقط پیشنهاد می‌دهند
World State · Next Best Action
تصویر وضعیت و ترتیب اجرا
Controlled Packs · Auth · Browser
اجرای واقعی با ابزارهای داخلی
Oracle + Verifier + Strict Confirm
تأیید قطعی فقط با Evidence
Replan · Chains · Probe Forge
پس از ورود موفق یا یافتهٔ جدید، اولویت تست‌ها دوباره چیده می‌شود
مدل زبان می‌تواند پیشنهاد ارائه دهد؛ هرگز به‌تنهایی وضعیت Confirmed ایجاد نمی‌کند.
ابزارهای فراخوانی‌شده توسط مغز سیستم، کنترل‌شده‌اند
اجرا از مسیر Packها، Auth، Browser و Forge انجام می‌شود که کنترل‌شده، امن و قابل ممیزی هستند و بخش اعظم آن‌ها توسط تیم توسعهٔ محصول کدنویسی شده است.
شروع کار
- ۰۱پکیج را روی سامانهٔ سازمان نصب کنید
- ۰۲هدف مجاز را تعریف کنید
- ۰۳اسکن را آغاز کنید و Thinking را مشاهده کنید
- ۰۴سرنخ‌ها و یافته‌های تأییدشده را جداگانه مرور کنید
نمایش محصول
ویدیوی معرفی WikiFuzzer
نمای کوتاهی از محیط کاری زنده، Thinking و مسیر Lead تا Confirmed.
ویدیوی محصول به‌زودی
پس از ضبط، فایل را با نام media/product-demo.mp4 در همین پوشه قرار دهید.
محیط کاری زنده
نمای محیط کاری زنده تیم امنیت
یک فضای کاری برای تعریف هدف، مشاهدهٔ Reasoning زنده، یافته‌ها و ابزارهای کنترل‌شده. روی رابط زیر کلیک کنید.
● LOCAL · Scan · Assets · Findings · Reports · WikiFuzzerLLM
Assets و زمان‌بندی
گروه‌ها، سایت‌ها و schedule (فاصله / هفتگی / جلالی) در یک هاب.
Findings
Groups → Scans → Results؛ Lead و Confirmed با Evidence جدا هستند.
Reports و Settings
KPI مدیریتی، مدل محلی، و routing نقش/وظیفه/pack مثل خود برنامه.
اعتماد به یافته
پاسخ مدل می‌تواند قانع‌کننده باشد؛ Evidence باید قطعی باشد
هر مورد از سیگنال تا مدرک مرحله‌بندی می‌شود؛ حدس مدل به‌صورت خودکار به آسیب‌پذیری قطعی ارتقا نمی‌یابد.
احتمال وجود مشکل
/exec/?ip=
- نیاز به تست کنترل‌شده دارد
- هنوز برای گزارش قطعی کافی نیست
تأییدبا مدرک زنده
نتیجه قابل بازتولید
شواهد ذخیره شده
- ✓ تست تکرار شد
- ✓ مدرک ثبت شد
- ✓ آمادهٔ گزارش است
تفاوت اصلی
دستیار ابری عمومی در برابر Agentic AI با تست واقعی
| AI ابری عمومی | WikiFuzzer | |
|---|---|---|
| مغز سیستم | مدل عمومی روی سرور فروشنده | World State · NBA · Verifier |
| داده و شواهد | معمولاً خارج از کنترل سازمان | روی ماشین سازمان می‌ماند |
| اجرای تست | اغلب فقط متن و پیشنهاد | Pack کنترل‌شده + بازچینی اولویت |
| ابزارها | اتصال پراکنده به سرویس‌های جدا | عمدتاً کد داخلی · قابل ممیزی |
| معیار اعتماد | قانع‌کنندگی پاسخ مدل | Oracle + Evidence |
محصولات WikiFuzzer
مسیر توسعهٔ پلتفرم
امروز تمرکز روی ارزیابی امنیتی وب و API است. در ادامه، همان معماری به حوزه‌های شبکه، OT، موبایل، امنیت AI و ابزار MLSecOps گسترش می‌یابد؛ مستندات مرجع MLSecOps هم‌اکنون منتشر شده است.
در دسترس
ارزیابی امنیتی وب / API
نسخهٔ فعلی WikiFuzzer: کشف سطح حمله، اجرای تست کنترل‌شده، تفکیک Lead و Confirmed، و تأیید یافته‌ها با Evidence روی زیرساخت سازمان.
مشاهدهٔ محیط کاری زنده
در برنامهٔ آینده
ارزیابی امنیتی شبکه
توسعهٔ موتور تصمیم‌گیر برای کشف و آزمون سطح شبکه سازمان، با همان اصل استقرار محلی و تأیید مبتنی بر مدرک.
در برنامهٔ آینده
ارزیابی امنیتی IoT / SCADA
پوشش محیط‌های صنعتی و تجهیزات متصل، با تمرکز بر ایمنی عملیات، محدودهٔ مجاز تست، و ابزارهای کنترل‌شده.
در برنامهٔ آینده
ارزیابی امنیتی Android / iOS
ارزیابی اپلیکیشن‌های موبایل در چارچوب Agentic محلی؛ از تحلیل سطح حمله تا آزمون کنترل‌شده و ثبت شواهد.
در برنامهٔ آینده
ارزیابی امنیتی AI
ارزیابی امنیتی سامانه‌ها و سرویس‌های مبتنی بر هوش مصنوعی؛ از سطح حمله و سوءاستفادهٔ مدل تا کنترل‌های ایمنی و شواهد قابل بررسی.
مستندات در دسترس
ابزار MLSecOps
چارچوب عملیاتی امنیت چرخهٔ یادگیری ماشین (MLSecOps): از مدل تهدید و کنترل‌های lifecycle تا شواهد قابل بررسی در مسیر build تا operate. ابزار نرم‌افزاری در برنامهٔ توسعه است؛ مستندات مرجع هم‌اکنون در دسترس است.
مشاهدهٔ مستندات
ابزار نرم‌افزاری · در برنامهٔ آینده
وضعیت «در برنامهٔ آینده» به‌معنای اعلام نقشهٔ راه است. برای MLSecOps، مستندات مرجع منتشر شده و ابزار نرم‌افزاری در مسیر توسعه قرار دارد.
درخواست دموی سازمانی
فرم زیر را تکمیل کنید تا تیم ما با شما تماس بگیرد و دموی WikiFuzzer را برای سازمان شما ارائه دهد؛ همراه با معرفی قابلیت‌ها و نحوهٔ استقرار روی زیرساخت خودتان.
پس از ارسال، معمولاً طی یک تا دو روز کاری با شما تماس گرفته می‌شود.
دمو فقط برای ارزیابی سازمانی است و استفاده از محصول صرفاً روی اهداف مجاز با مجوز سازمان انجام می‌شود.
پرسش‌های متداول
پاسخ‌های مختصر
آیا فقط یک ChatGPT متصل به اسکنر است؟
خیر. مغز سیستم وضعیت کمپین و ترتیب تست را مدیریت می‌کند؛ مدل فقط پیشنهاد می‌دهد و فقط Oracle و Verifier می‌توانند Confirmed بسازند.
ابزارها از کجا می‌آیند؟
مجموعهٔ کنترل‌شده و امن است؛ بخش اعظم موتور تست توسط تیم توسعهٔ محصول کدنویسی شده است.
آیا روی سامانهٔ سازمان اجرا می‌شود؟
بله. نرم‌افزار و مدل روی ماشین یا سرور سازمان نصب می‌شوند و برای بهره‌برداری روزمره نیازی به ابر عمومی نیست.
آیا کارت گرافیک قوی لازم است؟
خیر. طراحی اصلی مبتنی بر CPU است. GPU صرفاً می‌تواند بخشی از پردازش‌ها را تسریع کند.
تفاوت سرنخ و یافتهٔ تأییدشده چیست؟
سرنخ بیانگر احتمال وجود مشکل است. یافتهٔ تأییدشده زمانی ثبت می‌شود که آزمون زنده نتیجه را با مدرک ثابت کرده باشد.
آیا فقط وب و API پوشش داده می‌شود؟
نسخهٔ فعلی روی ارزیابی امنیتی وب و API متمرکز است. ارزیابی شبکه، IoT/SCADA، Android/iOS و امنیت AI در نقشهٔ راه است. برای MLSecOps، مستندات مرجع منتشر شده و ابزار نرم‌افزاری در برنامهٔ آینده قرار دارد.
جایگزین کارشناس امنیت است؟
خیر. کار تیم را سریع‌تر و منظم‌تر می‌سازد؛ تصمیم نهایی همچنان بر عهدهٔ انسان است.