Viper：把 LLM 塞進紅隊平台的代價與回報

它解決什麼問題，誰該看這篇

紅隊操作需要一套能管理植入體、執行 post-exploitation 動作、並繪製內網橫向移動路線的平台。Cobalt Strike 是這個領域的商業標準，但每個使用者每年要價 12,600 美元。Viper 以免費開源方式提供類似功能，而且植入體不只支援 Windows，還涵蓋 Linux 與 macOS。這對預算有限但需要跨平台測試的團隊是直接誘因。它的定位不是攻擊框架本身，而是整合層。文件宣稱它覆蓋 MITRE ATT&CK 的所有階段，並內建超過 100 個 post-exploitation 模組。這些模組涵蓋權限提升、橫向移動、憑證蒐集等常見動作。如果你已經有 Metasploit 或自製工具，但缺乏一個統一介面來操作多台受害主機，Viper 可能填補這個空缺。它同時內建 LLM agent，這在紅隊平台中是少見的設計。你需要判斷的是：這個 agent 是實際可用的操作助手，還是只是行銷亮點。

架構拆解：GUI、agent 與模組的關係

從 README 與文件連結可推測，Viper 採用主從式架構。伺服器端提供 Web GUI，操作者透過瀏覽器下指令給植入體。植入體回傳的資料會彙整成 pivot graph，顯示內網中主機之間的連線關係。這個圖形介面是它與 Metasploit 那種命令列工具最大的差異。LLM agent 的角色是輔助決策。它可能根據目前的 session 狀態建議下一步動作，或自動產生攻擊腳本。但文件沒有公開 agent 的具體運作機制，例如它是否會直接下指令給植入體，還是僅提供建議給操作者確認。這是一個關鍵的不確定點。如果 agent 能直接操作植入體，那代表它具備自動化攻擊的能力，這會大幅改變風險輪廓。如果只是建議，那它的價值就僅限於減少查文件的時間。另一個值得注意的是內建防追蹤（anti-tracing）與 handler firewall。這表示平台本身有意識地要對抗藍隊的偵測，而不只是被動管理 session。

啟動與部署：從 Docker 到第一台植入體

README 沒有列出安裝指令，但文件網站（viperrtp.com）的 Getting-Started 頁面應該有詳細步驟。從 Docker Hub 上的 viperplatform 帳號可推測，官方推薦容器化部署。你可以用 docker pull viperplatform/viper 取得映像檔，然後啟動容器。根據同類平台的慣例，第一次啟動通常需要設定監聽埠與認證憑證。Viper 的 Web GUI 預設應該跑在 443 或 60080 這類埠，但你必須查文件確認。部署完成後，你需要產生植入體。植入體支援 Windows、Linux、macOS，這表示你可以在受害主機上執行不同平台的 agent 檔案。產生植入體時，你需要指定 C2 伺服器的位置與通訊協定。Viper 是否支援 HTTPS 或 DNS 這種較難被防火牆攔截的通道，README 沒提。如果沒有，那它在高防護網路中的存活率會打折。建議先在一台乾淨的 Linux 虛擬機上跑完整的攻擊鏈測試，從植入體上線到執行模組，確認 GUI 的反應速度與穩定性。

用 Python 寫模組：擴充性的雙面刃

Viper 的自訂模組語言是 Python。這與 Cobalt Strike 的 CNA（Aggressor Script）截然不同。Python 的優點是學習曲線低，紅隊成員多半已經熟悉。你可以用 Python 呼叫 Viper 提供的 API 來新增 post-exploitation 功能，例如一個專門收集瀏覽器密碼的模組。缺點是 Python 在目標主機上不一定可用。如果你的植入體跑在一台精簡的 Linux 伺服器上，可能沒有 Python 直譯器，那你的模組就無法執行。Viper 的植入體是否會打包一個輕量的 Python runtime，這點文件沒說。如果沒有，那你的模組只能依賴目標環境的既有直譯器，這會大幅限制可用性。另一個問題是 Python 模組的執行速度與記憶體佔用。對於需要快速執行的動作，例如列舉使用者清單，Python 可能比原生 C 寫的植入體慢。但對於紅隊操作，開發速度通常比執行速度更重要。這個取捨對多數團隊是可接受的。

LLM agent 的真實定位：自動化還是輔助？

Viper 是少數把 LLM agent 整合進核心流程的紅隊平台。版本名稱從 v3.1.9 的「Let's Summarize」到 v3.1.11 的「Skill is all you need」，暗示開發者正積極把 AI 能力從單純的總結擴展到技能執行。所謂「Skill」可能指 agent 能呼叫特定模組或工具來完成任務，類似 OpenAI 的 function calling。但 README 對 agent 的實際能力描述非常模糊，只說它「enhances automated processing and intelligent decision-making」。這讓人有兩種解讀：一是 agent 能根據當前情勢自動建議下一步攻擊路徑，二是它能自動執行整個攻擊鏈。後者的風險極高，因為 LLM 的輸出不可預測，在真實攻擊中可能導致植入體被發現或目標系統損壞。文件沒有提供任何關於 agent 的 safety guardrail 的資訊，例如人類確認門檻或指令白名單。如果你要讓 agent 直接操作植入體，務必在隔離環境中測試其行為邊界。另外，LLM 通常需要 API 金鑰，這代表你的攻擊流量會連到外部服務，這可能違反某些測試的保密要求。

與 Cobalt Strike 的比較：免費但不等於廉價

README 的比較表把 Viper 定位為 Cobalt Strike、NightHawk、BruteRatel 的替代品。Cobalt Strike 只支援 Windows 植入體，Viper 多了 Linux 與 macOS。Cobalt Strike 的客製化語言是 CNA，而 Viper 用 Python。Cobalt Strike 內建防偵測功能，Viper 也有，但兩者的實作深度無法從 README 判斷。關鍵差異在於價格：Cobalt Strike 每個使用者每年 12,600 美元，Viper 免費。但「免費」的隱含成本是你要自己承擔維護與除錯。Cobalt Strike 有商業支援與活躍的第三方模組生態系，Viper 的社群規模明顯較小。另一個差異是自動化與 LLM agent。Cobalt Strike 沒有這兩項，Viper 有。這表示如果你需要 24/7 自動監控目標環境，Viper 的 workflow 功能可能比 Cobalt Strike 更合適。但自動化也代表攻擊行為會更一致，更容易被藍隊的 EDR 規則偵測。Cobalt Strike 的慢速手動操作反而有規避偵測的優勢。

維護成本與授權的不確定性

Viper 的授權在 README 中完全沒有標示。GitHub 頁面顯示 license 為 unknown，這對企業採用是嚴重的障礙。沒有明確授權，你無法合法地將它整合進商業服務或修改原始碼後再散佈。你必須聯絡作者或檢查 repository 中的 LICENSE 檔案才能確認。維護方面，最後一次 push 是 2026 年 5 月，代表專案仍在活躍開發。版本節奏約每兩個月一個 minor release，顯示有穩定的維護週期。但活躍開發也代表 API 可能變動。如果你基於 v3.1.x 開發了自訂模組，升級到 v3.2 時可能需要調整。文件網站（viperrtp.com）是主要的學習資源，但它的完整性未知。從 README 的連結來看，Getting-Started 與 Documentation 分開，但沒有提供離線版本。如果你的測試環境無法連外網，你將無法查閱文件。

編輯結論

Viper 適合預算有限、需要跨平台（Windows、Linux、macOS）植入體、且願意用 Python 而非 CNA 撰寫自訂模組的紅隊或滲透測試團隊。不適合需要封閉原始碼、商業支援或嚴格合規審計的企業，因為其授權未明確，且 AI agent 的決策過程可能難以向客戶解釋。採用前應先驗證三件事：其一，在隔離環境中測試 LLM agent 對你常用攻擊鏈的實際輔助程度，確認它不是僅能產生建議的聊天機器人；其二，檢查其內建 100 多個 post-exploitation 模組是否覆蓋你常用的 ATT&CK 技術，尤其是針對 macOS 的模組深度；其三，確認 Python 模組開發介面與你的現有工具鏈相容，因為這是你逃離供應商鎖定的主要途徑。Viper 的價值在於它把 GUI、pivot graph、自動化與 LLM 整合在一個免費套件，但「免費」不代表「免維護」，其更新頻率與社群回應速度才是長期風險所在。

官方來源

1. FunnyWolf/Viper on GitHub
2. Issues
3. Project website
4. README
5. Releases