Vulnpire/Banshee-AI

GitHub: Vulnpire/Banshee-AI

AI 驱动的搜索引擎 dorking 工具，将自然语言转化为精准查询语句，用于自动化发现暴露的文档、敏感配置和攻击面。

Stars: 4 | Forks: 0

# Banshee Banshee 是一款 AI 辅助的 dorking 和 OSINT CLI 工具，利用搜索引擎、AI 生成的查询和内置分析管道，用于查找暴露的文档、敏感数据、配置错误和脆弱攻击面。它专为安全研究人员、Bug Bounty 猎人和防御者设计，旨在提供一种可重复的基于搜索的发现工作流，而无需手动构建每一个查询。本仓库 README 是一份实用的入门指南。它不是完整的完整手册。有关完整的参数参考、工作流说明、内部文件/缓存、输出、FAQ 以及更详细的示例，请使用文档页面： - `https://vulnpire.github.io/Banshee-AI` - 本地副本：`docs/index.html` 文档界面还包含一个模拟的 Banshee shell，带有一个虚拟 `banshee` 二进制文件和一个非常基础的 CTF，用于学习/演示目的。 ## README 范围（重要）本 README 有意侧重于： - Banshee 是什么 - 运行它需要什么 - 如何安装它 - 如何配置基础设置 - 常见使用模式 - 如何快速获取帮助本 README 有意不试图完全涵盖： - 每一个参数和模式 - 所有边缘情况行为 - 每一个缓存和内部文件格式 - 每一个 AI 增强工作流 - 完整的故障排除矩阵 - 每个功能组合的完整示例对于这些内容，请使用文档站点： - `https://vulnpire.github.io/Banshee-AI` - `docs/index.html` ## Banshee 的功能从宏观层面来看，Banshee 可以帮助你： - 使用 AI 从自然语言 prompt 生成 dork - 在支持的搜索引擎上运行 dork - 对发现进行去重和组织 - 分析发现的文档和响应以查找敏感指标 - 从先前成功的扫描中学习以改进未来的 dork - 使用技术检测和 CVE 感知逻辑进行更好的定位 - 使用 stdin 和基于文件的工作流扩展到多个目标当你想要： - 在目标的索引足迹中搜索暴露的文档 - 寻找泄露的配置文件和 secrets - 发现管理面板、API 路径、备份和 debug endpoint - 优先处理高信号结果而不是原始搜索噪音 - 构建具有输出文件和情报缓存的可重复侦察工作流时特别有用。 ## 为什么采用文档优先的方法已经发展成为一个广泛的工具包。试图涵盖所有内容的单个 README 变得难以维护且难以阅读。 Web 文档更适合： - 交互式示例 - 丰富的输出和带注释的截图 - 完整的参数解释 - 结构化导航 - FAQ 和操作说明 - 演示 shell 和培训内容使用本 README 开始行动。使用文档页面作为主要参考。 ## 功能概述（简版）包含对以下工作流的支持： - 从 prompt 进行 AI dork 生成 - 按类别随机生成 dork - 多引擎搜索执行 - SMART dork 优化和后续跟进 - 具有针对特定目标智能的学习模式 - 针对非英语目标的多语言 dork 支持 - 文档分析和过滤 - 响应分析和代码分析 - 技术检测和技术感知 dork - CVE 数据库工作流和相关 dork 生成 - Wayback 辅助发现和创意 dorking - 监控式的定期扫描 - 带有去重功能的输出文件 - 情报查看/导出实用程序这只是一个摘要。有关完整的功能覆盖，请使用： - `https://vulnpire.github.io/Banshee-AI` - `docs/index.html` ## 要求 ### 运行时 - Go `1.20+` 用于从源代码构建/安装 - 用于搜索 API 和目标内容检索的网络访问（使用时） - Shell 环境（`bash`/`zsh` 等）用于 CLI 使用 ### 搜索提供商（典型） Banshee 通常使用： - Google Custom Search (CSE) - Brave Search API ### AI（可选但推荐用于 `-ai`）对于基于 AI prompt 的 dork 生成，Banshee 可以使用 `gemini-cli`。你通常需要： - 已安装 `gemini-cli` - 有效的 Gemini API 密钥或配置的认证方法（取决于你的设置） ### 注意事项 - 你可以在不启用所有功能的情况下使用 Banshee。 - 某些模式需要特定的 API 或本地配置。 - 文档页面详细解释了每个依赖路径。 ## 安装 ### 选项 1：使用 Go 安装 ``` GOPROXY=direct go install -v github.com/Vulnpire/Banshee-AI/cmd/banshee@main ``` 安装后，确保你的 Go bin 路径位于 `PATH` 中。典型路径： - `~/go/bin` - `$GOBIN` 检查： ``` which banshee banshee --help ``` ### 选项 2：从源代码构建（仓库克隆）如果你更喜欢从本仓库进行本地构建： ``` go build -o banshee . ``` 或者，如果你的本地设置需要直接构建特定文件（取决于项目/版本），请使用文档中描述的方法或你现有的工作流。然后运行： ``` ./banshee --help ``` ### 选项 3：先使用文档界面（尚未安装）如果你正在评估 Banshee 且尚不想安装任何东西： - 打开 `web/docs.html` - 或访问 `example.com` - 使用模拟 shell 学习命令风格 - 在虚拟环境中尝试基本的 demo/CTF 这对于： - 新用户 - 团队入职培训 - 培训课程 - 快速演示非常有用。 ## 基础配置（高级） Banshee 通常需要配置 API 密钥和相关文件。确切的路径和格式可能因功能和版本而异。使用文档页面获取权威详细信息： - `https://vulnpire.github.io/Banshee-AI` - `docs/index.html` ### 常见配置概念你通常会配置以下部分或全部内容： - Google API 密钥 - Google CSE / CX 配置 - Brave API 密钥 - Gemini API 密钥或 CLI 认证 - 可选代理设置 - 可选的超出范围列表 ### 典型配置目录模式许多设置使用如下配置目录： ``` ~/.config/banshee/ ``` 你可能在那里看到的文件示例（取决于使用的功能）： - `keys.txt` - `brave-keys.txt` - `gemini-api-key.txt` - 其他特定于功能的文件/缓存不要仅依赖本 README 获取确切的文件名和行为。使用文档页面获取确切的配置说明和当前预期。 ## 快速入门工作流本节内容偏实用性。复制命令，替换目标，然后运行。然后转到文档页面进行更深入的调整。 ### 1. 传统 Dork（单目标） ``` echo example.com | banshee -q "inurl:admin" -v ``` 此命令的作用： - 从 stdin 读取目标 - 运行自定义 dork/查询 - 打印详细日志（`-v`） ### 2. AI Prompt -> Dorks -> 扫描 ``` echo example.com | banshee -ai "find exposed dashboards and APIs" --smart --learn -quantity 5 -v ``` 此命令的作用： - 从自然语言 prompt 生成 dork - 在目标上执行它们 - 使用 SMART 模式分析成功的模式 - 使用 LEARN 模式为重用目标重用先前的情报有关 prompt 编写技巧和高级 AI 调整，请使用文档页面。 ### 3. 以文档为中心的搜索 ``` echo example.com | banshee -e pdf,docx,xlsx --analyze-docs --filter-docs -o results.txt -v ``` 此命令的作用： - 专注于文档扩展名 - 分析文档中的敏感指标 - 过滤出更相关的文档发现 - 将输出写入 `results.txt` 有关分析器行为、文件处理和输出细节，请参阅文档页面。 ### 4. 随机 Dork 生成 ``` echo example.com | banshee -random sqli --quantity 10 -v ``` 此命令的作用： - 无需 AI prompt 即可生成基于类别的 dork - 使用请求的数量 - 运行快速集中搜索 ### 5. 技术检测 + 搜索 ``` echo example.com | banshee --tech-detect -ai "find exposed admin or debug panels" -v ``` 当你希望技术背景影响你的搜索和优先级排序时，这很有用。确切的功能相互作用因模式而异。使用文档页面了解推荐的工作流模式。 ### 6. 仅响应分析 ``` echo https://example.com/api/status | banshee --analyze-response-only -v ``` 当你已经拥有 URL 并希望进行分析而无需先运行 dork 时，请使用此选项。 ### 7. 监控式工作流（定期） ``` cat domains.txt | banshee --monitor "sensitive pdf" --monitor-time 60 --filter-mon --analyze-mon ``` 这会按类似计划的间隔运行定期扫描（功能行为取决于你选择的参数和环境）。有关安全的操作使用和调整，请使用文档页面。 ## 输入模式 Banshee 支持多种定义目标和搜索意图的方式。 ### stdin（推荐用于管道）示例： ``` echo example.com | banshee -q "inurl:login" cat domains.txt | banshee -ai "find exposed docs" subfinder -d example.com -silent | banshee -q "inurl:admin" ``` 为什么 stdin 有用： - 易于与侦察管道集成 - 来自其他工具的批处理 - Shell 脚本中更简洁的自动化 ### 直接单目标（如果你的工作流支持）旧使用模式或文档中的某些示例可能会显示直接目标参数。请优先参阅文档页面，获取针对你版本的当前推荐语法和示例。 ### 基于文件的输入常见模式包括： - 域名列表 - Prompt 列表 - Dork 文件 - 范围列表 / 排除列表每个基于文件的工作流的确切参数都记录在 Web 文档中。 ## AI Dorking（实用摘要） AI dorking 是 Banshee 的核心优势之一。你可以描述目标，而不是手动构建每一个查询。示例 prompt： - `find admin panels` - `find exposed invoices and customer docs` - `find SQLi candidates` - `find debug endpoints and test environments` - `find PIIs in documents` ### 基础 AI 使用示例 ``` echo example.com | banshee -ai "find PIIs in documents" -quantity 5 -v ``` ### AI + Learning + SMART 示例 ``` echo example.com | banshee -ai "find leaked config and secrets" --learn --smart -quantity 8 -v ``` ### AI + 多语言示例 ``` echo example.com | banshee -ai "find sensitive HR documents" --multi-lang -quantity 6 -v ``` ### AI 注意事项 - Prompt 质量很重要。 - 数量会影响广度和运行时间。 - SMART 和 LEARN 在重复扫描中最有用。 - 多语言模式可以改善非英语目标的结果。对于： - prompt 工程技巧 - 数量调整 - AI 模型选择 - 多语言行为 - 边缘情况和兼容性说明请使用文档页面。 ## 文档、响应和代码分析 Banshee 不仅仅可以收集 URL。它可以分析内容并帮助确定结果的优先级。 ### 文档分析文档分析有助于： - PDF 报告 - Office 文档 - 导出的电子表格 - 可能包含 PII 或内部数据的文件典型使用模式： ``` echo example.com | banshee -e pdf,docx,xlsx --analyze-docs --filter-docs -v ``` ### 响应分析响应分析在以下情况下很有帮助： - 你已经有一个 URL 列表 - 你想检查返回的内容中是否有 secrets/指标 - 你想要信号而不是广泛的 dork 生成典型使用模式： ``` echo https://example.com/path | banshee --analyze-response-only -v ``` ### 内联代码 / 面向源代码的分析根据模式和目标内容，Banshee 可以分析类似代码的响应或嵌入数据以获取高信号指标。文档页面解释了： - 分析器 - 过滤器 - 输出标签 - 严重性/敏感性解释 - 性能权衡 ## 输出文件和去重（基础） Banshee 支持将结果写入输出文件（例如通过 `-o`，具体取决于你的命令）。使用输出文件的常见原因： - 保存发现以供以后分析 - 跟踪运行中的发现 - 将结果提供给其他工具 - 构建特定于目标的结果集常规行为（高级）： - Banshee 对写入输出文件的结果进行去重 - 现有条目会影响重复结果的处理方式 - 发现的新结果会被追加有关以下方面的确切行为： - 跳过重新分析 - 分析器兼容性 - 输出格式化 - 缓存交互记录在 Web 文档中。 ### 示例 ``` echo example.com | banshee -ai "find sensitive docs" --analyze-docs --filter-docs -o findings.txt -v ``` ### 输出维护提示 - 尽可能每个目标/程序保留一个输出文件 - 使用描述性文件名 - 在大型实验之前归档旧运行 - 在报告发现之前结合上下文审查输出 ## 情报、学习和缓存（概述） Banshee 可以存储和重用以前运行的信息。这有助于通过学习和智能优化等功能改进后续扫描。你可能遇到的的高级概念： - 目标情报文件 - AI 缓存 - 成功的 URL 跟踪 - 研究缓存 - Wayback 缓存好处： - 某些工作流中更快的重复运行 - 随着时间的推移提高 dork 质量 - 减少类似扫描中的重复工作有关缓存路径、格式和维护，请使用文档页面。 ## 技术检测和 CVE 感知工作流（概述） Banshee 可以执行技术检测，并使用该上下文生成或优先排序更好的 dork。这对于： - 与特定技术栈相关的暴露管理页面 - 已知的特定技术文件模式 - CVE 相关的侦察假设特别有用。典型工作流思路： 1. 识别目标 2. 检测技术 3. 生成技术感知 dork 4. 运行搜索并分析结果 5. 使用 SMART/LEARN 进行优化确切的参数和高级组合记录在 Web 界面中。有关详细的设置和使用示例，请使用： - `https://vulnpire.github.io/Banshee-AI` - `docs/index.html` ## TLD 级和多目标扫描（高级） Banshee 可用于更广泛的发现工作流，包括多目标输入模式和面向 TLD 的侦察用例（取决于功能/模式）。由于这些工作流更复杂且更容易被误用，本 README 仅提供高级指导。使用文档页面了解： - 模式兼容性说明 -能调整 - 范围控制 - 大规模输出管理 - 安全使用模式如果你正在扫描多个目标或广泛范围，请确保你的授权和程序规则明确允许这样做。 ## 搜索策略提示（适合初学者）这些是无需完整手册即可改善结果的实用提示。 - 从窄开始，然后扩展。 - 每次运行选择一个目标（文档、配置、管理、调试、SQLi 候选等）。 - 使用 `-o` 保存和审查结果。 - 当信号比数量更重要时，添加分析参数。 - 对重复目标使用 `--learn` 和 `--smart`。 - 当目标是非英语时使用 `--multi-lang`。 - 使用 `-ai` 时保持 prompt 具体。 ### Prompt 示例（好） - `find exposed invoices and customer spreadsheets` - `find admin panels and dashboard logins` - `find SQLi candidates with id parameters` - `find debug or staging endpoints` - `find secrets in config files and logs` ### Prompt 示例（太模糊） - `hack site` - `find bugs` - `everything` 文档页面包含更好的 prompt 编写指导和特定于工作流的示例。 ## 示例命令（更多实用样本）将这些作为起点。然后在文档中进行调整。 ### 敏感文档（AI） ``` echo target.com | banshee -v -ai "find PIIs in documents" --learn --smart --analyze-docs --filter-docs -o docs.txt ``` ### 管理面板（传统查询） ``` echo target.com | banshee -q "inurl:admin OR intitle:login" -v -o admin.txt ``` ### 备份和配置文件搜寻 ``` echo target.com | banshee -ai "find backup files and exposed config files" -quantity 8 -v -o files.txt ``` ### API / Debug 攻击面发现 ``` echo target.com | banshee -ai "find debug endpoints, test environments, and APIs" --tech-detect --smart -v ``` ### 随机 SQLi 候选扫描 ``` echo target.com | banshee -random sqli --quantity 12 --learn -v ``` ### 从文件批量处理域名 ``` cat domains.txt | banshee -ai "find exposed dashboards" -quantity 3 -v -o batch.txt ``` ### 已知 URL 列表的响应分析（Shell 循环示例） ``` while read -r url; do echo "$url" | banshee --analyze-response-only -v done < urls.txt ``` ### 静默-ish 管道日志记录（调整参数） ``` cat scope.txt | banshee -ai "find sensitive docs" -quantity 4 -o results.txt ``` 如果命令失败或行为异常，请在假设功能损坏之前检查文档页面。参数组合可以显着改变输出和行为。 ## Web 文档界面（主要参考） Banshee 在 `web/` 目录中附带了一个 Web 文档界面。在本地打开它： ``` xdg-open docs/index.html ``` 或使用托管版本： - `https://vulnpire.github.io/Banshee-AI` ### Web 文档包含的内容 - 快速入门演练 - 带有示例输出的实用示例 - 按类别划分的功能概述 - 分析模式指导 - 监控/情报说明 - 内部文件和配置说明 - 输出和缓存解释 - 完整的参数参考 - FAQ - 安全/EULA 说明 ### 模拟 Shell + Demo/CTF 文档包含一个模拟终端（仅 JavaScript）。它对于： - 学习 Banshee 命令风格 - 演示文稿中的演示 - 入职新用户 - 基本的类 CTF 交互练习非常有用。它是什么： - 一个虚拟环境 - 一个伪造/模拟的 shell - 一个学习界面 - 一个文档功能它不是什么： - 一个真正的 shell - 一个系统终端 - 本地安装的替代品 - 一个实时漏洞利用环境模拟 shell 包含一个虚拟 `banshee` 二进制文件和一个非常基本的 CTF 流程。 ## 建议的学习路径（新用户） 1. 打开 `docs/index.html` 或 `https://vulnpire.github.io/Banshee-AI` 并浏览快速入门部分。 2. 在本地运行 `banshee --help` 以确认安装。 3. 在你有权评估的测试目标上尝试一个传统的 dork（`-q`）。 4. 尝试一个低数量的 AI prompt（`-ai`）。 5. 在重复目标上添加 `--smart` 和 `--learn`。 6. 尝试使用 `--analyze-docs --filter-docs` 进行以文档为中心的扫描。 7. 开始使用 `-o` 保存输出。 8. 转到文档参考以获取高级参数组合。此路径可让你快速提高效率，而无需预先记住每个参数。 ## 基础故障排除（快速检查）这不是完整的故障排除指南。使用文档页面获取详细的故障排除部分。 ### `banshee: command not found` 检查： - `PATH` 包含你的 Go bin 目录 - `go install` 已成功完成 - 二进制文件存在（`which banshee`） ### `--help` 有效但搜索无结果检查： - API 密钥已配置 - 配额未耗尽 - 目标/查询太窄 - 网络/代理设置正确 - 你的 dork 语法合理先尝试一个更简单的查询。 ### AI 功能不工作检查： - `gemini-cli` 已安装 - AI 凭据/认证配置正确 - prompt 足够具体 - 选择的数量对于测试来说是合理的先用一个简单的 prompt 测试： ``` echo example.com | banshee -ai "find admin panels" -quantity 3 -v ``` ### 结果中噪音太大尝试： - 更窄的 prompt - 更小的数量 - 分析/过滤参数 - 输出文件和手动审查 - 广泛搜索前的技术检测 ### 太慢性能取决于： - 启用的功能 - API 限制 - 目标量 - 分析模式 - 网络条件使用文档页面获取调整指导和策略建议。 ## 安全、道德和负责任的使用仅在你拥有或明确授权测试的系统和资产上使用 Banshee。始终尊重： - 程序范围 - 速率限制 - 服务条款 - 当地法律法规 - 负责任的披露实践 Banshee 是一个搜索和分析工具。滥用是你的责任。如果你正在进行 Bug Bounty 狩猎： - 先阅读程序政策 - 在扫描前确认目标范围 - 避免授权之外的广泛扫描 - 在报告前验证发现 - 在报告中隐去敏感数据（如需要） ## Bug Bounty 猎人的操作提示这些故意简单实用。 - 每个程序保留单独的输出文件。 - 定期重新扫描高价值目标。 - 先使用低数量，然后扩展。 - 保存效果良好的有趣 prompt。 - 在积累历史记录后，使用 `--learn` 和 `--smart` 重访目标。 - 对包含大量 PDF 和公开文档的程序使用文档分析。 - 在升级任何问题之前手动审查结果。有关高级搜寻 playbook，请使用文档页面。 ## FAQ（迷你） ### 本 README 是完整文档吗？不是。本 README 是一份实用的入门指南。使用 `https://vulnpire.github.io/Banshee-AI` 或 `docs/index.html` 获取完整文档。 ### 我可以在不先安装的情况下学习 Banshee 吗？可以。打开文档界面并使用模拟 shell。它包含一个虚拟 `banshee` 二进制文件和一个非常基本的类 CTF 流程。 ### 文档 shell 是真正的终端吗？不是。它是一个用于学习和演示的 JavaScript 模拟。 ### 我在哪里可以找到所有参数？使用 Web 文档参考部分： - `https://vulnpire.github.io/Banshee-AI` - `docs/index.html` ### 我在哪里可以找到输出/缓存/内部文件解释？使用 Web 文档的以下部分： - 输出 - 缓存 - 内部文件 - 配置 ### 我在哪里报告问题或寻求帮助？请参阅下面的支持部分。 ## 版本控制和文档准确性 Banshee 发展迅速。某些参数、工作流和默认值可能因版本而异。 Web 文档应被视为使用指导的主要来源。如果你注意到本 README 与文档页面之间存在不匹配： - 优先参考文档页面了解详细行为 - 在本地检查 `banshee --help` - 提交 issue 或联系支持 ## 贡献欢迎贡献。有用的贡献类型包括： - 错误修复 - 功能改进 - 文档改进 - 示例和配方 - 文档界面中的 UX 改进在进行大型更改之前： - 检查现有的 issue/讨论 - 清楚地描述问题 - 解释预期行为 - 尽可能包含复现步骤如果你正在更新文档： - 保持 README 简洁且以入职为导向 - 将详细的参考材料放在 Web 文档中 - 保持示例真实且安全 ## 支持支持：`gorkem@cyberpars.com` 如果你寻求帮助，请包含： - 使用的命令 - 目标类型（如有需要进行脱敏） - 相关参数 - 错误/输出片段 - 你的预期这使故障排除更快。 ## 最后说明当作为工作流使用而不仅仅是单个命令时，Banshee 效果最好。从简单开始。保存输出。让 SMART/LEARN 随着时间建立上下文。使用 Web 文档了解全貌。主要文档： - `https://vulnpire.github.io/Banshee-AI` - `docs/index.html` 保持在范围内。

标签：AI 安全, Bug Bounty, C2日志可视化, CLI 工具, CVE 检测, ESC4, ESC8, EVTX分析, Google Dorking, Kali 工具, OSINT, 可自定义解析器, 实时处理, 对称加密, 指纹识别, 搜索引擎黑客, 敏感数据泄露, 数据暴露, 日志审计, 社会工程学, 网络安全, 自动化审计, 隐私保护