Pentesting s umělou inteligencí je největším slibem oboru: agent, který celý test převezme plně autonomně. Nárok jsme si ověřili sami, na dostupných plně autonomních systémech i na vlastní lokální inferenci. Bilance je střízlivější než reklama, ale mnohem užitečnější.
Střízlivě řečeno: enumerace a část exploitace dnes fungují dobře. Plně autonomní jsou systémy nekonzistentní a nespolehlivé. Potenciál spočívá v podpoře pentestů a automatizaci jednotlivých drobných dílčích kroků.
Autonomní systémy podrobené zkoušce
Testovali jsme Strix a PentAGI, dvě dostupné aplikace autonomních pentestovacích agentů.
Strix nachází slabiny v kódu a na webových serverech, ale nacházení neznamená spolehlivost ani konzistenci. Rozhraní není produkčně vyspělé: obsahuje chyby, padá při nečekaných výstupech modelu a jako jediný výstup vrací markdown soubor bez pevné struktury. Z testování tak vzniká sbírka textu, kterou znovu utřiďuje člověk.
PentAGI navenek působí vyspěleji a úlohy organizuje výrazně lépe než Strix. V praxi se toky občas pauzují ve chvíli, kdy mají běžet na pozadí, a výsledky zůstávají nekonzistentní. Agenti často dělají víc než aktuální úkol, čímž se práce mnohokrát opakuje. Nejkritičtější jsou přesahy rozsahu: občas se testovaly jiné IP adresy a porty, než bylo zadáno. Co je v laboratoři neefektivita, je u zákazníka problém smlouvy. Pentest bez disciplíny rozsahu není pentest.
Důsledek: asistence, ne autonomie
Hodnota pentestu spočívá v dohledatelnosti, dodržení rozsahu a spolehlivém hodnocení. Právě tyto tři body autonomní agenti dnes nesplňují. Model naopak umí spolehlivě pracovat tam, kde jsou dílčí kroky reprodukovatelné: strukturovat útočné povrchy, zužovat místa v kódu, předpřipravovat surové texty reportu, vnášet variabilitu do wordlistů a fuzzingových testů. Tester zůstává rozhodujícím, model násobičem.
Lokální inference místo cloudového API
Kdo posílá data z pentestu přes cloudové API, svěřuje útočné povrchy, nálezy a detaily architektury třetí straně. Většina zákazníků to právem nechce. Proto inferenci provozujeme lokálně.
Volba hardwaru padla na NVIDIA RTX PRO 6000 (Blackwell): 96 GB paměti GDDR7, hardwarová podpora NVFP4 pro kvantizované modely a CUDA jako softwarový ekosystém, který má před AMD stále výrazně navrch. Karta je dostupná jako samostatná PCIe karta, na rozdíl od datacentrních urychlovačů typu B200. Vzít se NVLINK je pro naše toky únosné. Prošli jsme i alternativy: RTX PRO 5000 Blackwell s mírně nižším výkonem a pamětí, H100 NVL a H200 NVL s větší šířkou paměti a NVLINK, ale starší generace a vyšší cena, AMD Radeon AI PRO R9700 výrazně levnější, ale s mnohem méně VRAM a horší softwarovou podporou, a GB10 se sdílenou, mnohem pomalejší pamětí a bez možnosti rozšíření o další karty.
Stack inference a otevřené modely
K softwaru inference: ollama je jednoduchá, s málo konfiguračními možnostmi. llama.cpp je správnou volbou pro offloading na CPU nebo inferenci čistě na CPU. Pro produkční provoz používáme vLLM, dnešní standard plné GPU inference, které se daří i více současných uživatelů a které podává nejlepší výkon na grafických kartách.
Na kartě rychle běží mimo jiné Qwen3.8-27B, Qwen3.6-35B-A3B, Qwen3.5-122B-A10B, gpt-oss-120b, Mistral Small 4 a Gemma 4. Pozoruhodné: Qwen3.8-27B je srovnatelně malý a přesto patří dnes mezi nejlepší a nejnovější open-weight modely. Otevřené váhy znamenají víc než absenci licenčních poplatků: plnou kontrolu nad nasazením, délkou kontextu a uchováním dat.
Upřímná bilance: AI nenahradí pentestera. Nahrazuje nudné části jeho práce a urychluje zbytek. Kdo dnes kupuje plně autonomní AI pentest, kupuje slibnou budoucnost, ne přítomnost.
Profesionální evropská security boutique pro elite penetrační testování, red teaming a vývoj exploitů.