返回 AI 工具目录
mariocandela/beelzebub
MCP 服务人工精选最近核验 2026年7月23日
Beelzebub 是一个用 Go 编写的开源欺骗防御(蜜罐)框架,通过 YAML 低代码配置在 SSH、HTTP、TCP、TELNET 与 MCP 等多种协议上部署仿真诱饵服务,诱导攻击者交互并采集威胁情报。它可接入 OpenAI 或本地 Ollama,用大模型动态生成仿真系统响应,让诱饵更贴近真实主机;其 MCP 诱饵服务专门用于观测攻击者诱导 LLM 智能体调用受限工具的行为,检测提示注入与护栏绕过。内置 Prometheus 指标与 RabbitMQ 事件流,支持 Docker、Kubernetes 或独立二进制部署,面向安全团队做主动欺骗与攻击面观测。
定价开源部署自托管、本地运行国内可达国内可达许可GPL-3.0
解决什么问题
- 用低代码 YAML 快速部署多协议仿真诱饵服务
- 以大模型动态生成响应提升蜜罐仿真度
- 观测并记录攻击者交互与真实攻击载荷
- 检测针对 LLM 智能体的提示注入与工具滥用
- 通过指标与事件流对接现有监控栈
适合
- 安全团队做主动欺骗与威胁情报采集
- 需要覆盖 SSH/HTTP/TCP 等多协议诱饵
- 关注 LLM 智能体侧的护栏绕过与注入攻击
- 倾向自托管、数据可控的部署方式
不适合
- 不是生产系统的入侵防御或 WAF,仅做诱捕观测
- 蜜罐部署与暴露面需专业安全运维把控
- 大模型响应依赖外部 API 或本地推理资源
- 不替代完整的 SIEM 或日志分析平台
如何接入
- 以 YAML 定义各协议诱饵服务与行为
- LLM 侧支持 OpenAI 与本地 Ollama
- Prometheus 指标与 RabbitMQ 事件流对接监控
- 支持 Docker、Kubernetes、独立二进制部署
已知限制
- GPL-3.0 许可,商用需评估传染性条款
- 仿真度受大模型能力与配置影响
- 诱饵服务若错误暴露可能带来新风险
- 威胁情报价值取决于攻击流量规模
接入与使用事实
- 部署方式
- 自托管、本地运行
- 实现语言
- Go
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- GPL-3.0
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
- 代码仓库仅作事实索引