Онлайн-интенсив для практикующих пентестеров
Собери свою AI-агентскую систему под полный цикл пентеста
Ты будешь проектировать агентов, связывать их в рабочий процесс и запускать на своих задачах уже во время интенсива.
Автор и спикер программы
Сергей «Похек» Зыбнев
Тимлид пентестеров в «Бастион». 1,5 года R&D в AI для пентеста
где ломается AI в пентесте
Когда разбираешься сам — это время, расходы на тесты и риск не дойти до рабочей системы
Сборка AI-процессов занимает много времени
Каждая разработка стоит денег
Контекст пентеста не держится внутри LLM
Гипотезы атак остаются отдельными идеями
AI-результат нужно валидировать
где ломается AI в пентесте
Когда разбираешься сам — это время, расходы на тесты и риск не дойти до рабочей системы
Разрозненные результаты инструментов
Сборка AI-процессов занимает много времени
Каждая разработка стоит денег
Контекст пентеста не держится внутри LLM
Гипотезы атак остаются отдельными идеями
AI-результат нужно валидировать
где ломается AI в пентесте
Когда разбираешься сам — это время, расходы на тесты и риск не дойти до рабочей системы
Идея кажется простой: собрать агентов под свой стек, связать их в процесс и запускать на задачах пентеста.
Но дальше всплывают модели, промпты, связки, отладка, валидация, безопасность данных. Вместо автоматизации появляется новая ручная работа: переносить контекст, чинить пайплайн и перепроверять LLM.
Это быстро становится дорогим: API, инфраструктура, лимиты, ошибки модели, твои часы. Без системы получается так: что-то работает разово, но результат нельзя стабильно повторить, масштабировать и безопасно использовать.
Главная боль: разные AI-инструменты не складываются в процесс. Они дают идеи, но не держат контекст, не валидируют гипотезы и не ведут к понятному результату.
Разрозненные результаты инструментов
Recon, nuclei, nmap, subfinder и другие выводы приходится вручную сводить в понятную картину: точки входа, приоритеты и связи между находками.
Сборка AI-процессов занимает много времени
Нужно подбирать модели, писать промпты, связывать инструменты, проверять вывод, чинить ошибки и заново настраивать pipeline под свои задачи.
Каждая разработка стоит денег
Эксперименты быстро превращаются в расходы: время специалиста, платные модели, лимиты API, инфраструктура, тестовые запуски и доработки.
Контекст пентеста не держится внутри LLM
Модель отвечает на отдельный запрос, но не знает ход работы: что уже проверено, какие ограничения есть, какие инструменты запускались и что нужно на выходе.
Гипотезы атак остаются отдельными идеями
LLM может подсказать возможный вектор, но не собирает разведку, код, CVE, конфигурации и findings в последовательный маршрут проверки.
AI-результат нужно валидировать
Модель может дать false positive, пропустить важную деталь или предложить вывод, который нужно подтверждать инструментами и руками специалиста.
Junior промтит. Senior строит агентов.
Ты уже используешь AI для мелких задач, теперь построй систему.
LLM как поисковик
Спросил — получил ответ. Полезно, но все равно делаешь все руками.
LLM для задач
Отчеты, подсказки по эксплойтам, разбор кода. Быстрее, но не масштабируется.
Агентская система
Цепочка, которая проводит разведку, анализирует код, строит гипотезы атак и готовит отчет. Ты контролируешь, а не делаешь руками.
что ты получишь на интенсиве
Соберёшь пентест-движок и доведёшь его до управляемого результата на реальных сценариях
-
Рабочая агентская система
Соберешь агентов под свой стек и задачи offensive security, чтобы использовать систему после интенсива.
-
AI-pipeline на реальных сценариях
Свяжешь разведку, анализ инфраструктуры и уязвимостей в единый процесс и отработаешь его на Standoff 365.
-
Своя база инструментов
Подготовишь архитектурные схемы, шаблоны, промпты и сценарии для этапов пентеста.
Для кого
Для тех, кто уже работает и хочет принципиально другой уровень
Ускорить recon, анализ, гипотезы, PoC и отчет.
Быстрее обрабатывать периметр и доводить findings до отчета.
Понять, где агентские системы встраиваются в атакующий workflow.
Разобраться, как AI применяют в security-testing и анализе кода.
Ты соберешь не одного агента, а целую команду
Каждый агент закрывает свой этап. Между собой они связаны pipeline'ом. Сверху — слой контроля и безопасности. Ты оператор, не исполнитель.
Разрабатывается и запускается на веб-сценарии
Настраивается агентская среда Claude / GPT. Агент запускается на веб-сценарии, с базовыми защитами: фильтрацией, ограничениями действий и правилами обработки данных.
Собирает и анализирует данные recon
Обрабатывает и нормализует результаты сканирования, агрегирует данные из разных инструментов и анализирует их с помощью LLM.
Определяет приоритетные точки входа
Выявляет потенциальные точки атаки и формирует гипотезы атак на основе AI-анализа.
Ищет уязвимости и небезопасные паттерны
Использует AI-анализ кода и уязвимостей, помогает в triage результатов SAST, ускоряет code review и анализ pull-request.
Готовит exploit-скрипты, PoC и отчёт
Генерирует payload и exploit-скрипты с помощью LLM, помогает улучшать PoC, автоматизирует тестовые сценарии, формирует технические описания атак, findings и отчёт.
Ограничивает действия агента и работу с чувствительными данными
Фильтрация ввода и вывода, ограничения действий, правила обработки данных, чтобы агент не отправил то, что нельзя.
Программу поддерживают
экспертиза в кибербезопасности и защите бизнеса
практическое комьюнити и канал про offensive security
медиа о технологиях, безопасности и разработке
площадка для практики на реальных security-сценариях
по ибэ — канал для специалистов, у которых есть чувство юмора
программа
4 ключевых темы. Уже с первой разработка
1
AI-агенты и безопасная работа с LLM
Темы
- Ландшафт AI-инструментов в безопасности: LLM, ассистенты и агентные системы
- Архитектуры и сценарии применения AI-агентов в offensive security
- Реальные задачи, где AI ускоряет работу пентестера
- Ограничения LLM: галлюцинации, ошибки анализа, некорректные выводы
- Безопасная работа с LLM: риски утечки данных, изолированные среды
Практика
- Настройка агентской среды (Claude / GPT)
- Разработка и запуск агента на веб-сценарии
- Внедрение базовых защит для агента: фильтрация, ограничения действий, правила обработки данных
2
AI-pipeline для разведки и анализа инфраструктуры
Темы
- Роль AI в этапе reconnaissance и анализе инфраструктуры
- Обработка и нормализация результатов сканирования
- Агрегирование данных из разных инструментов и их анализ с помощью LLM
- Выявление потенциальных точек атаки и формирование гипотез атак
- Использование AI-pipeline для анализа внешнего периметра
Практика
- Сборка AI-pipeline для анализа инфраструктуры (recon)
- LLM-анализ результатов сканирования
- Определение приоритетных точек входа и гипотез атак на основе AI-анализа
- Работа с программами Bug Bounty Standoff 365
3
AI в анализе уязвимостей и аудите кода
Темы
- Подходы AI-анализа кода и уязвимостей (AI-SAST)
- Поиск небезопасных паттернов и ошибок безопасности
- Использование LLM для triage результатов SAST
- Применение AI для ускорения code review и анализа pull-request
- Ограничения AI-аудита: ложные срабатывания, пропуск уязвимостей, проблемы контекста
Практика
- AI-assisted аудит кода
- Формирование сценариев эксплуатации
- Триаж результатов AI-анализа
4
Генерация PoC и автоматизация отчетности
Темы
- Генерация payload и exploit-скриптов с помощью LLM
- Использование AI для улучшения и анализа PoC
- Автоматизация тестовых сценариев и воспроизведения уязвимостей
- Генерация технических описаний атак и findings
- Использование AI для подготовки отчетов по пентесту и security-testing
Практика
- Разработка exploit-скрипта и PoC на основе анализа уязвимостей с использованием LLM
- Формирование отчета с использованием LLM
ключевые результаты обучения
После интенсива ты сможешь проектировать, собирать и применять AI-агентов в offensive security
Проектирование архитектуры AI-агентской системы
Научишься думать об AI как инженер, а не пользователь.
Что ты будешь делать на интенсиве
- Поймешь принципы работы AI-агентов и их отличия от эпизодического использования LLM
- Спроектируешь архитектуру агентской системы под задачи offensive security
- Выберешь модели, инструменты и источники данных под работу агента
Разработка и настройка AI-агента
От пустого экрана до рабочего автономного агента.
Что ты будешь делать на интенсиве
- Настроишь среду работы AI-агента
- Разработаешь логику агента и сценарии взаимодействия с инструментами безопасности
- Настроишь ограничения и правила безопасной работы агента
Сборка AI-pipeline для security-тестирования
Связываешь отдельных агентов в единый рабочий процесс.
Что ты будешь делать на интенсиве
- Интегрируешь AI-агента в рабочий pipeline offensive security
- Автоматизируешь обработку результатов reconnaissance и сканирования
- Сформируешь гипотезы атак на основе анализа инфраструктуры
Использование агентской системы для анализа уязвимостей
Превращаешь AI в полноценного аналитика уязвимостей.
Что ты будешь делать на интенсиве
- Применишь LLM для анализа уязвимого кода
- Автоматизируешь triage результатов анализа
- Используешь AI для генерации сценариев эксплуатации
Автоматизация offensive-workflow
Закрываешь полный цикл — от уязвимости до отчета.
Что ты будешь делать на интенсиве
- Сгенерируешь PoC и exploit-скрипты с использованием AI
- Автоматизируешь подготовку технической документации и отчетности
- Выстроишь воспроизводимый процесс security-тестирования на базе AI-агентов
Запишись, пока есть доступные места и действует ранняя цена
- Рабочая агентская система под твой стек
- AI-pipeline на реальных сценариях Standoff 365
- Своя база инструментов: схемы, шаблоны, промпты
- Удостоверение о повышении квалификации установленного образца
Сэкономь от 30 000 Р
Выбери формат участия под свой план обучения
1 курс
AI-усиленный пентест
Интенсив по LLM и AI-агентам для задач offensive security.
45 000 Р
ранняя цена до 29 мая
после повышения — 60 000 Р
Забронировать сейчас
3 курса
AI-усиленный пентест + 2 новые техники
Атаки на AD, Pivoting, обход защит.
5 курсов
Обновляемая база техник пентеста
Более 100 техник на выбор разного уровня сложности.
что ты получишь на интенсиве
Что будет у тебя после интенсива
Ты не просто посмотришь, как работать с LLM. Ты соберешь основу собственного AI-workflow и проверишь ее на практических задачах.
под твой стек и задачи security-testing
отработка на открытых bug bounty программах
живые семинары с экспертом
работа с несколькими моделями
для этапов разведки, анализа, PoC и отчета
о повышении квалификации
Забронировать место в потоке
Группа ограничена, потому что формат живой: Q&A, практика и разбор вопросов.
LLM уже помогает. Но пока ты делаешь пентест руками
AI-агенты вместо хаоса промптов
pipeline под твои задачи
практика на security-сценариях
Q&A после каждого занятия
Большинство специалистов использует AI точечно: спросить про эксплойт, ускорить отчет, подсказать идею, разобрать фрагмент кода. Это полезно, но не меняет workflow.
Интенсив про следующий уровень: агентскую систему, где AI не просто отвечает на вопросы, а связывает этапы пентеста в управляемый процесс.
Это знакомо?
Проблема не в том, что ты не используешь LLM. Проблема в том, что всё всё равно держится на ручной работе
«Использую разные LLM — но всё равно делаю всё руками. Никакой автоматизации.»
На интенсиве: собираешь связку, где AI работает по этапам, а не отвечает разовыми подсказками.«Пробовал разобраться с агентами — слишком много всего. Бросил через неделю.»
На интенсиве: идешь по готовой траектории с экспертом и собираешь систему постепенно.«Постоянно трачу много времени на одни и те же задачи.»
На интенсиве: выносишь повторяющиеся этапы в pipeline: recon, анализ, PoC, отчет.«Боюсь залить данные компании в LLM и нарушить NDA.»
На интенсиве: разбираешь ограничения, правила обработки данных и безопасную работу с LLM.
Ты не заменяешься агентом
Агенты снимают рутину. Решения, проверка и ответственность остаются за тобой
Агент берет на себя сканирование, нормализацию данных, черновую генерацию и оформление — всё то, что съедает часы, но не требует твоей экспертизы на каждом шаге.
01сканирование
02нормализация данных
03черновая генерация
04оформление
тывалидируешь результат
Стоимость
Цена растет ближе к старту потока
ранняя цена
следующий этап
июнь
Это живой поток с Q&A и практикой, а не запись курса.
забронировать место
Что такое AI-пайплайн
Это не один бот, а система агентов под этапы пентеста
Агенты занимаются отдельными задачами, но связаны между собой и работают сообща. Ты управляешь процессом и валидируешь результат.
Окно возможностей
Продвинутое использование AI в пентесте пока не стало стандартом
AI уже используют точечно
Но большинство остается на уровне разовых запросов: отчет, идея, подсказка по эксплойту, разбор фрагмента кода.
Рабочих процессов мало
Редкость не в том, чтобы открыть LLM, а в том, чтобы собрать управляемую агентскую систему под свои задачи.
Порог входа высокий
Можно неделями тонуть в инструментах, моделях и настройках. На интенсиве этот путь собран в последовательную практику.
Подробная программа
4 темы. Уже с первой — разработка и запуск агента
Ландшафт AI-инструментов, архитектуры агентских систем, реальные задачи, ограничения LLM, риски утечки данных и изолированные среды.
- настройка агентской среды Claude / GPT
- разработка и запуск агента на веб-сценарии
- базовые защиты: фильтрация, ограничения действий, правила обработки данных
Recon, обработка и нормализация результатов сканирования, агрегирование данных из разных инструментов, гипотезы атак.
- сборка AI-pipeline для анализа инфраструктуры
- LLM-анализ результатов сканирования
- работа с программами Bug Bounty Standoff 365
AI-SAST, поиск небезопасных паттернов, triage результатов, code review и ограничения AI-аудита.
- AI-assisted аудит кода
- формирование сценариев эксплуатации
- проверка ложных срабатываний
Payload, exploit-скрипты, улучшение PoC, воспроизведение уязвимостей, findings и отчетность.
- разработка exploit-скрипта и PoC
- техническое описание атак
- формирование отчета с использованием LLM
Главный результат
Ты собираешь систему, которую используешь уже во время интенсива
сама делает разведку
сама помогает находить уязвимости
сама собирает черновик отчета
Команда агентов
Каждый агент закрывает свой этап. Вместе они работают как один pipeline
01 / Агент разведки
Не 800 строк сырого вывода, а список точек входа с приоритетами
Запускает и обрабатывает amass, nmap, nuclei, subfinder. Агрегирует, нормализует и помогает понять, куда смотреть дальше.
02 / Агент гипотез атак
Сопоставляет recon с контекстом цели и возможными векторами
Работает с результатами разведки, CVE и техниками MITRE, чтобы формировать гипотезы с обоснованием.
03 / Агент аудита кода
Ищет небезопасные паттерны и помогает делать triage
Разбирает код, учитывает контекст, подсвечивает спорные места и помогает отсекать ложные срабатывания.
04 / Агент генерации PoC
Собирает payload или exploit-скрипт под конкретный контекст
Не шаблон из интернета, а черновик рабочего сценария, который ты проверяешь и доводишь руками.
05 / Агент отчетности
Превращает findings в структуру отчета
Описание, шаги воспроизведения, риск, рекомендации и логика подачи результата.
06 / Слой безопасности
Ограничения, фильтрация и правила обработки данных
Чтобы агент не делал лишнего, не тащил чувствительные данные и оставался управляемым инструментом.
На руках после интенсива
Не “посмотрел лекции”, а собрал рабочие заготовки под свои задачи
связка этапов от recon до отчета
для каждого этапа пентеста
на основе анализа уязвимости
для security-testing или bug bounty
Смена режима работы
Ты перестаешь дергать LLM по одному вопросу и собираешь воспроизводимый процесс
LLM отвечает разово
ты руками собираешь контекст
сырой вывод инструментов надо разбирать самому
отчет пишется в конце, когда уже устал
AI связан с этапами пентеста
данные проходят через единый pipeline
результаты нормализуются и приоритизируются
черновик отчета собирается по ходу работы
Безопасная работа с LLM
Отдельный блок программы — как не превратить AI в источник риска
Данные
Правила обработки чувствительной информации и сценарии, где LLM лучше изолировать.
Действия
Ограничения того, что агент может запускать, менять, отправлять и сохранять.
Вывод
Фильтрация результатов, проверка некорректных выводов и ручная валидация findings.
Среда
Настройка агентской среды так, чтобы эксперимент не ломал рабочий контур.
Финальный результат
Один pipeline — два формата результата
В доке есть важная мысль: результат можно упаковывать не только под bug bounty. Та же логика подходит и для пентест-отчета.
Bug bounty report
Валидный finding, шаги воспроизведения, impact, evidence и рекомендации для отправки вендору.
Pentest report
Структура для security-testing: описание риска, воспроизведение, технические детали и рекомендации.
Как устроена работа на интенсиве
Соберёшь пентест-движок и доведёшь его до управляемого результата на реальных сценариях
Разведка
Собираешь данные о цели и приводишь сырой вывод инструментов к рабочей структуре.
Анализ
Связываешь результаты разведки, код, контекст и возможные векторы атаки.
Гипотезы
Проверяешь, какие сценарии имеют смысл, а какие не стоит тащить в работу.
Отчет
Собираешь findings, воспроизведение, риски и рекомендации в понятную структуру.
Практика не в учебной песочнице
Свою систему ты проверяешь на сценариях Standoff 365
На интенсиве важно не просто собрать агентов, а увидеть, как они ведут себя на реальных задачах: где помогают, где требуют контроля, где нужно менять связку инструментов и моделей.
открытые bug bounty программы
разбор результатов с экспертом
Q&A после каждого занятия
После интенсива у тебя остается рабочая база, а не только записи занятий
Архитектурные схемы
Как связать агентов, инструменты, модели и контроль человека.
Шаблоны промптов
Заготовки для разведки, анализа, гипотез, PoC и отчетности.
Сценарии пайплайна
Пошаговые связки под этапы пентеста, которые можно адаптировать под свой стек.
База инструментов
Подборка подходов и решений, к которым можно возвращаться после курса.
Программа
4 живых семинара. На каждом — сборка части системы
AI-агенты и безопасная работа с LLM
Среда, базовый агент, ограничения, правила обработки данных.
Разведка и анализ инфраструктуры
Recon, нормализация сканов, гипотезы атак, Standoff 365.
AI-аудит кода
Анализ уязвимого кода, triage, проверка ложных срабатываний.
PoC и отчетность
Payload, exploit-скрипт, техническое описание, отчет.
На выходе — не знания “про AI”, а рабочие элементы пайплайна
прототип агентской системы
AI-pipeline для анализа инфраструктуры и уязвимостей
набор промптов и сценариев
PoC или exploit-скрипт
отчет по результатам security-тестирования
Важно
Интенсив не для тех, кто ищет кнопку “сделать пентест”
нет базового опыта в пентесте или ИБ
не готов работать руками на практиках
хочешь только посмотреть лекции
не планируешь внедрять AI в свои задачи
Вы соберете не одного агента, а рабочую команду под полный цикл пентеста
Каждый агент закрывает свой этап. Вместе они работают как pipeline: собирают данные, помогают искать векторы атаки, анализируют код, генерируют PoC и готовят отчет. Поверх - слой безопасности, чтобы система работала управляемо.
Агент разведки
Запускает и обрабатывает amass, nmap, nuclei, subfinder. Помогает получить приоритезированный список точек входа вместо сырого вывода.
Агент гипотез атак
Сопоставляет результаты разведки с CVE, техниками MITRE и контекстом цели. Подсвечивает векторы, которые легко пропустить.
Агент аудита кода
Ищет небезопасные паттерны, учитывает контекст, помогает триажить результаты и отсекать ложные срабатывания.
Агент генерации PoC
Помогает собрать payload, PoC или exploit-скрипт под конкретный контекст, а не по шаблону из интернета.
Агент отчетности
Превращает findings в структуру отчета: описание, шаги воспроизведения, риск и рекомендации.
Слой безопасности
Правила обработки чувствительных данных, ограничения действий, фильтрация ввода и вывода, контроль того, что агент может делать.
Забронируйте раннюю цену
Оставьте контакты, чтобы получить программу интенсива и условия участия в потоке.
Новый экран 01
LLM-помощник и агентская система — это разные уровни зрелости
Ты задаешь вопрос, вручную приносишь контекст, проверяешь ответ и сам переносишь результат в работу.
Ты задаешь процесс: агент получает задачу, использует инструменты, возвращает структурированный результат.
Новый экран 02
Какие вопросы закрывает интенсив
Новый экран 03
Ты работаешь не с одной моделью, а с набором инструментов под разные задачи
Новый экран 04
32 академических часа — короткий формат без растягивания
4 встречи с преподавателем
практика между занятиями
Q&A и разбор вопросов
Новый экран 05
Если ты уже используешь AI точечно — пора собрать из этого рабочую систему
Визуальный экран 01
Нас поддерживают комьюнити и профессиональная среда
Здесь можно поставить реальные логотипы партнеров, комьюнити, медиа, компаний или площадок, которые связаны с программой.
CyberED
Похек
Standoff 365
Бастион
ИБ-комьюнити
Bug bounty
Визуальный экран 02 / автор интенсива
«Я потратил полтора года на эксперименты с AI-агентами, чтобы понять, что реально работает в пентесте, а что остается красивой демонстрацией.»
Сергей Зыбнев
тимлид пентестеров в «Бастион», автор канала «Похек»
Визуальный экран 03
Стек, с которым участник работает на интенсиве
Можно показать не абстрактную иллюстрацию, а конкретные модели, инструменты и этапы, из которых собирается рабочая среда.
Визуальный экран 04
Вместо стоковой картинки — реальные артефакты работы
как агенты связаны между собой
finding, impact, steps, рекомендации
рабочая агентская настройка без чувствительных данных
промпты, сценарии, правила контроля
черновой вариант
LLM помогает точечно, но пентест всё равно держится на ручной работе
«Использую разные LLM — но всё равно делаю всё руками.»
Сканы, recon, выводы инструментов, списки сервисов и находки приходится чистить, сравнивать и приоритизировать вручную.
«Каждый запрос начинается сначала: что проверял, чем проверял и что нужно на выходе.»
Модель отвечает на отдельный запрос, но не держит весь pentest workflow: этапы, ограничения, инструменты и результат.
«LLM подкидывает идеи, но recon, CVE, код и findings остаются отдельными кусками.»
Идея не превращается в маршрут проверки: разведка, конфигурации, код и уязвимости не связываются в систему.
«В демо агент работает красиво, а в реальности ломается на доступах, лимитах и данных.»
AI может ошибиться, дать false positive, пропустить уязвимость или нарушить правила работы с чувствительными данными.