AttackGen
面向安全运营和事件响应团队，AttackGen 用大型语言模型与 MITRE ATT&CK 生成可用于演练的定制化事件响应场景。
工具简介
采用判断：AttackGen 值得作为安全事件响应场景设计和桌面演练的起点，但现有证据不足以将它判断为成熟的生产级响应平台。提供的 GitHub 仓库信息明确了它的定位、开源属性、LLM 与 MITRE ATT&CK 的结合方式；不过，这些信息主要证明项目存在和设计目标，不能单独证明生成内容的准确性、稳定性或演练效果。
实际作用是根据威胁行为者、环境或 ATT&CK 相关上下文，生成定制化的事件场景，并在较高层面提示可进行的模拟以及可能的检测方向。它的产出更接近一份供分析师、响应团队或演练主持人修改的场景草案，而不是已经执行的攻击链、可直接部署的检测规则或自动化处置流程。它不是 SIEM、EDR、漏洞利用框架，也不是自动攻击执行器；更准确的类比是一个绑定 ATT&CK 知识框架的事件响应演练脚本生成助手。
门槛和成本方面，现有证据只支持“开源项目”这一判断，没有给出托管服务、许可证细节、安装步骤、模型供应商、API 定价或稳定运行成本。因此不能承诺免费使用，也不能把某次社区演示中的模型调用费用当成固定价格。实际使用可能需要具备 Python、事件响应和 ATT&CK 基础，并自行准备或配置可用的大语言模型；但这些具体部署要求在提供的证据中没有被实测或教程充分确认，属于保守推断。
它更适合 SOC、事件响应、威胁情报或安全培训人员，用来快速起草场景、补充演练题材和讨论检测思路；不适合希望直接获得经过验证的攻击模拟、生产级检测内容或自动化响应的团队。社媒热度较明显：榜单统计包含 21 条社媒证据、20 条 X 提及、约 25 万次浏览，仓库条目显示 1230 个 stars 和 165 个 forks，这些是受关注度证明，不是好用证明。现有讨论以转发和简短推荐为主，缺少教程、长篇评测、独立实测和评论互动，讨论质量和能力结论仍属样本有限。