Что это такое?
MCP-сервер для генерации реалистичных диалогов-сценариев пентеста, чтобы обучать ИИ-модели навыкам кибербезопасности.
Проект / TypeScript
PentesterFlow/OffensiveSET: OffensiveSET — генератор реалистичных датасетов для обучения ИИ-пентастеров
Создаёт качественные диалоги для тонкой настройки LLM, чтобы они думали и действовали как профессиональные специалисты по безопасности.
Это инструмент на TypeScript для генерации датасетов в форматах, совместимых с ShareGPT/ChatML, специально оптимизированных под Qwen3.5. Он создаёт не просто наборы вопросов-ответов, а целые сценарии с цепочками рассуждений (thinking blocks), реалистичными...
Для кого это
Для разработчиков, которые хотят обучать ИИ-модели на реалистичных сценариях пентеста, и для исследователей в области AI-безопасности.
Проблема / задача
Нехватка качественных, разнообразных и реалистичных датасетов для обучения ИИ-моделей навыкам кибербезопасности и пентестинга.
Как это работает
Проект работает как MCP-сервер, который генерирует многоходовые диалоги, имитирующие реальный процесс пентеста: от разведки до эксплуатации уязвимостей и написания отчёта. Он использует шаблоны сценариев (45 вариантов), эмулирует вывод реальных инструментов (40+ инструментов) и включает случаи неудачных атак для полноты картины.
Что видно по README
Это инструмент на TypeScript для генерации датасетов в форматах, совместимых с ShareGPT/ChatML, специально оптимизированных под Qwen3.5. Он создаёт не просто наборы вопросов-ответов, а целые сценарии с цепочками рассуждений (thinking blocks), реалистичными выводами инструментов (nmap, sqlmap) и профессиональными отчётами с CVSS-оценками.
Ключевые возможности
Технологии
Интересный факт
Проект генерирует даже «провальные» сценарии атак, что делает датасеты более реалистичными и учит модели искать обходные пути.
С чего начать
- Клонировать репозиторий и установить зависимости (npm install)
- Собрать проект (npm run build)
- Добавить сервер в Claude через MCP (claude mcp add ...) или конфиг-файл
Оценка GitRadar
Удобство
7/10
Свежесть
9/10
Перспектива
8/10
Монетизация
6/10
Общая оценка
8/10
Вердикт GitRadar
Стоит пробовать, если вы работаете с тонкой настройкой LLM для задач безопасности. Проект узкоспециализированный, но очень качественный для своей ниши.
Наблюдения по обновлениям
Проект активно развивается (версия 2.0.0), имеет чёткую структуру и документацию, но пока мало звёзд и форков.
Что мы проверили
Карточка собрана по данным GitHub, README и структуре репозитория. Это не официальная документация проекта.
- Исходный репозиторий
- https://github.com/PentesterFlow/OffensiveSET
- Лицензия
- MIT
- Создан на GitHub
- 2 апреля 2026 г.
- Последнее обновление репо
- 2 апреля 2026 г.
- Последняя проверка GitRadar
- 2 апреля 2026 г.
- Изученные файлы
- README.md, src/index.ts, package.json, src/schemas/tools/index.ts, src/templates/scenarios/index.ts, src/generators/v2/index.ts
FAQ
Для кого подходит?
Для разработчиков и исследователей, которые хотят создавать или дорабатывать датасеты для обучения LLM в области offensive security.
Источники
Нужна помощь с PentesterFlow/OffensiveSET?
Если проект подходит под ваш сценарий, можем помочь с установкой, интеграцией, доработкой или аккуратным форком под вашу инфраструктуру.