PaperLab: OSCP 纸上推演靶场

"纸上得来亦不浅，赛博沙盘定乾坤。"

项目简介

PaperLab 是一款基于大语言模型 (LLM) 的网络安全纸上推演靶场生成工具。

它的核心逻辑是提取真实的 OSCP/HTB 通关笔记（Markdown 格式），通过特定的 Prompt 工程进行逻辑重构与变异，最终生成具有严密逻辑链的全新虚拟靶机情报，供安全研究员和学生进行**"不插电"**的渗透思路推演。

界面预览

首页图：

靶机选择界面：

自定义上传裂变界面:

限时挑战：

正常挑战：

LLM模型批阅：

核心特性

• 多维度环境变异 (Context Mutation)：支持端口替换、入口点变更、提权手法替换、假情报注入（Rabbit Hole）以及 OS 类型反转。基于同一份母体笔记，可生成多条截然不同的攻击路径。
• 高仿真终端日志伪造：拒绝大白话总结。强制输出纯英文终端原生日志格式（如 Nmap, Gobuster, smbclient 等），并真实还原明文凭据和扫描特征。
• 攻击链无痕截断：在情报搜集阶段精准截断，保留推演悬念，绝不泄露后续的漏洞利用和提权步骤。
• SM-2 间隔重复复盘：基于 SM-2 算法根据答题质量自动调度复盘间隔，支持卡片式作答与三档自评（不会 / 模糊 / 掌握），精准攻克薄弱考点。
• LLM 容错与自动重试机制：针对大模型偶发的 JSON 格式化错误，底层架构内置了 3 次自愈重试机制，保障批量生成时的健壮性。
• 动态靶机命名与防冲突：内置历史字典黑名单，动态生成类似 Spectre, Obsidian 等代号，避免数据库记录碰撞与覆写。
• Domain 分类 + Difficulty 三档：每台靶机自动归类至 Web、Active Directory、Privilege Escalation 等安全领域，并标注 Easy / Medium / Hard 难度，支持前端多维度筛选。
• 错题本系统：用户可将答错或薄弱的考题一键收藏，随时回顾考官评语与核心知识点；支持一键导出为 Markdown 文件离线复习。
• 个人统计面板：自动汇总历史战报，按 Domain / Tag 维度输出平均得分趋势图，精准定位技术短板。
• 全平台排行榜：实时聚合所有用户的平均分与推演次数，按综合排名展示，适合团队共同训练竞技。
• 并发靶机生成：批量编译时支持多线程并发调用 LLM，速度提升约 3 倍；同时支持 CLI 参数灵活控制编译目标、变种数和线程数。
• 多用户隔离：支持多人共用同一服务实例，历史战报、错题本与统计数据均按 Nick Name 独立隔离。

快速开始

本项目自带一个包含示例靶机的 paperlab.db，三步即可上手：

第一步：安装依赖

python -m pip install -r requirements.txt

第二步：初始化配置

运行安装向导，按提示填入 API Key、选择模型和服务端点（支持 DeepSeek / OpenAI / 自定义）：

python setup.py

向导完成后会自动生成 config.json

第三步：启动服务

uvicorn main:app --reload

随后在浏览器中访问 http://127.0.0.1:8000，输入任意 Nick Name 代号即可接入推演终端。

---

生成自定义靶机

有两种方式扩充题库：

方式一：命令行批量编译

1. 将渗透测试笔记（.md 格式）放入 md/ 目录。
2. 确认已完成 python setup.py 配置。
3. 运行编译器：

$ python build.py

  ____                        _           _
 |  _ \ __ _ _ __   ___ _ __| |    __ _| |__
 | |_) / _` | '_ \ / _ \ '__| |   / _` | '_ \
 |  __/ (_| | |_) |  __/ |  | |__| (_| | |_) |
 |_|   \__,_| .__/ \___|_|  |_____\__,_|_.__/
             |_|
  ██████╗ ██╗   ██╗██╗██╗     ██████╗
  ██╔══██╗██║   ██║██║██║     ██╔══██╗
  ██████╔╝██║   ██║██║██║     ██║  ██║
  ██╔══██╗██║   ██║██║██║     ██║  ██║
  ██████╔╝╚██████╔╝██║███████╗██████╔╝
  ╚═════╝  ╚═════╝ ╚═╝╚══════╝╚═════╝
  Lab Compiler  -  Mutate. Derive. Pwn.
  author: tw1t   https://github.com/cxtwit/PaperLab

  用法:
    python build.py [参数]

  参数:
    --target  <ID> [ID ...]   只编译指定母体机器，如 HTB-Lame HTB-Blue
    --derive  <N>             每台母体生成的变种数（默认: 3）
    --workers <N>             并发线程数，建议不超过 5（默认: 3）
    --max-sources <N>         最多处理的源机器数量（默认: 50）
    --quality                 启用质量过滤，额外消耗一次 LLM 调用
    -h, --help                显示帮助信息

  示例:
    python build.py --derive 3                            # 全量编译，生成 3 个变种
    python build.py --target HTB-Lame HTB-Blue            # 只编译指定靶机
    python build.py --derive 5 --workers 5 --quality      # 5 线程 + 质量过滤
    python build.py --max-sources 10 --derive 2           # 最多 10 台，每台 2 变种

方式二：前端在线上传

在指挥中心右侧面板切换到「上传」Tab，直接上传 .md 文件，通过 SSE 实时查看每台靶机的生成进度，无需登录服务器。

---

文件结构

PaperLab-1.0/
├── main.py           # FastAPI 后端主程序（API 服务 + 判卷引擎）
├── build.py          # 靶机编译器（LLM 变异生成 + 写入 DB）
├── lab_generator.py  # 共用 LLM 生成逻辑（build.py 与 main.py 共享）
├── setup.py          # 首次部署配置向导
├── index.html        # 前端单页应用
├── requirements.txt  # Python 依赖
├── paperlab.db       # SQLite 数据库（靶机库 + 战报 + 错题本）
├── config.json       # 本地配置（API Key，由 setup.py 生成）
└── md/               # 渗透测试 Markdown 笔记目录（编译原料）

---

开源协议与商业声明

本项目由 cxtw1t 独立开发并维护。核心 Prompt 工程与重试机制逻辑未经授权严禁商用。

本项目基于 GPLv3 License 开源。

鸣谢与免责声明

本项目 md/ 目录中内置的推演母体样本（Demo 笔记），源自优秀安全研究员的开源分享：cyb0rg-se/OSCP-notes。

特此致敬原作者在网安社区的无私开源。PaperLab 仅将其作为大模型变异算法的输入样本进行学术层面的推演测试，原始笔记的知识产权完全归原作者所有。

We respect the code, and we respect the community.