PRADHUMAN-SINGH-1/BugHunter

# BugHunter AI BugHunter AI 将授权的应用安全评估转变为引导式的对话。它将确定性的 Web 安全扫描器与 GPT-5.6 的推理能力相结合，使开发者能够获得有证据支持的发现结果、修复指南和可直接使用的开发者报告，而不是一堆冗杂的扫描器输出。 专为 **OpenAI Build Week 2026 · 开发者工具** 打造。 ## 为什么它很重要 安全工具功能强大，但其工作流程可能令人望而生畏：配置模块、解析嘈杂的输出，并将其转化为工程计划。BugHunter AI 将扫描器保留为事实来源，同时由 AI 助手规划授权检查，仅调用批准的后端工具，关联它们提供的证据，并解释开发者接下来应该做什么。 ## 30秒演示 1. 启动 API 和 React 应用。 2. 点击 **Analyze Demo Application**。 3. 观察扫描时间线在一个安全、确定性的评估中推进。 4. 查看执行摘要、有证据支持的发现结果、修复示例以及可导出的报告。 该演示从不发送网络请求，也不需要 `OPENAI_API_KEY`。它使用了一个位于 `https://demo.bughunter.ai` 的扫描器形态的测试数据，专为可预测的演示展示而设计。 ## 功能 - 对话式、授权门控的评估规划 - 被动或明确批准的主动测试范围 - 用于 headers、endpoints、crawl、敏感数据、reflected input、SQLi 启发式算法和 IDOR 检查的确定性扫描器 - 为每个模型可调用的工具配备严格的 function schema - 仅基于证据的评估边界：移除没有已执行扫描器证据的发现结果 - 高级深色 AI 工作区，具有实时时间线、结构化的发现结果以及清晰的空状态/错误状态 - Markdown 和 PDF 报告导出 - Advanced Scanners 抽屉，保留对原始模块的直接访问 - 一键式、由测试数据支持的 Build Week 评审演示模式 ## 架构 ``` flowchart LR U[Developer] --> UI[React AI workspace] UI -->|assistant request| API[Express API] API -->|approval gate| PLAN[Scan plan] PLAN -->|approved only| ORCH[GPT-5.6 orchestrator] ORCH -->|strict function calls| TOOLS[Backend tool layer] TOOLS --> SCAN[Deterministic scanners] SCAN --> EVIDENCE[Raw evidence] EVIDENCE --> ORCH ORCH -->|evidence-backed only| REPORT[Structured findings + Markdown report] REPORT --> UI ``` 有关更深入的组件和信任边界的解释，请参阅 [docs/architecture.md](docs/architecture.md)。 ## AI 工作流 1. 开发者描述一个授权的目标和目的。 2. BugHunter AI 请求明确的授权，并询问是否允许进行主动测试。 3. 它会展示确切的计划、范围、请求预估以及非破坏性的评估姿态。 4. 批准后，GPT-5.6 只能调用具有严格 JSON schema 且已批准的后端工具。 5. 确定性扫描器收集证据；GPT-5.6 对其进行关联和解释。 6. 最终的防护措施会移除任何与已运行工具无关的模型发现结果。 7. UI 渲染结构化的发现结果和可导出的报告。 ## GPT-5.6 使用说明 后端使用官方的 OpenAI Node SDK 和 [Responses API](https://developers.openai.com/api/docs/guides/responses)，默认配置为 `OPENAI_MODEL=gpt-5.6`。该模型不会获得不受限制的网络工具。相反，它只能调用有限的、具有严格 schema 的后端函数白名单，例如 `run_header_scan`、`run_crawl` 和 `run_sqli_scan`。这使用了 [function-calling](https://help.openai.com/en/articles/8555517) 模式，同时保留了确定性的扫描器证据作为事实来源。 ## Codex 使用说明 Codex 被用作本次 Build Week 项目的工程协作工具：它检查了现有的扫描器代码库，保留并模块化了扫描器行为，逐步构建了 orchestrator 和 React 工作区，生成了提交材料，并运行了回归/构建检查。该产品本身在运行时并不需要 Codex。了解更多关于 [OpenAI Codex](https://openai.com/codex/) 的信息。 ## 本地设置 ### 环境要求 - Node.js 18+ - npm - OpenAI API key 仅用于计划批准后的真实 AI 评估 ### 安装 ``` git clone cd BugHunter npm install cd bughunter-ui && npm install && cd .. cp .env.example .env ``` ### 配置 ``` # .env OPENAI_API_KEY=your_api_key OPENAI_MODEL=gpt-5.6 BUGHUNTER_ALLOW_PRIVATE_TARGETS=false BUGHUNTER_FRONTEND_ORIGIN=http://localhost:3000 ``` 对于单独部署的 API，请将以下内容添加到 `bughunter-ui/.env`： ``` REACT_APP_API_BASE_URL=https://your-api.example.com ``` ### 运行 在一个终端中： ``` npm start ``` 在另一个终端中： ``` cd bughunter-ui npm start ``` 打开 `http://localhost:3000`。API 默认地址为 `http://localhost:5001`。 ## API 契约 | Endpoint | 用途 | | --- | --- | | `POST /api/assistant/message` | 授权门控的 GPT-5.6 评估工作流 | | `POST /api/assistant/demo` | 安全的确定性 Build Week 演示评估 | | `POST /headers`, `/endpoints`, `/crawl` 等 | 现有的专注型扫描器 API | 请查看 [docs/feature-overview.md](docs/feature-overview.md) 了解功能映射，以及 [docs/demo-script.md](docs/demo-script.md) 了解演示流程。 ## 验证 ``` npm test npm run check cd bughunter-ui && CI=true npm test -- --watchAll=false cd bughunter-ui && npm run build ``` ## 安全姿态 仅测试您拥有或获得明确授权评估的系统。真实的扫描需要授权和计划批准。演示端点由测试数据支持，并特意与真实的扫描路径隔离。 ## 未来路线图 - 从后端流式传输工具/时间线事件 - 保存评估历史和对比视图 - 经过身份验证的扫描配置文件和 CI 集成 - 更广泛的特定框架修复指南 - 人工验证工作流和 issue-tracker 导出 ## 项目文档 - [演示脚本](docs/demo-script.md) - [评审指南](docs/judges-guide.md) - [架构](docs/architecture.md) - [功能概览](docs/feature-overview.md)

标签：AI辅助, CISA项目, MITM代理, Petitpotam, SOC Prime, Web安全, 反取证, 安全评估, 开发工具, 自定义脚本, 蓝队分析