EvgenuXSS/ai-recon
GitHub: EvgenuXSS/ai-recon
一款结合传统侦察数据采集与 Groq LLM 分析的轻量级工具，自动收集目标 DNS、HTTP、SSL 等信息并让大模型输出攻击向量建议，解决手动解读侦察结果的效率问题。
Stars: 0 | Forks: 0
```
__ _ _ _ __ ___ ___ ___ _ __
/ _` || | | '__/ _ \/ __/ _ \| '_ \
| (_| || | | | | __/ (_| (_) | | | |
\__,_||_| |_| \___|\___\___/|_| |_|
```
**面向 bug bounty 与 CTF 的 AI 驱动侦察工具**
厌倦了手动阅读侦察输出并在 Google 上搜索每个内容的含义？这个工具会收集有关目标的 DNS、HTTP 标头、SSL 证书和技术栈信息，然后将所有内容发送给 LLM（通过 Groq），以获取包含攻击向量和后续步骤的实际分析。
这是为我自己的 CTF/BB 工作流构建的。非常适合用于快速初始侦察。
## 功能
- DNS 查询（A、MX、NS、TXT 记录）
- HTTP/HTTPS 信息（状态、标头、页面标题、重定向）
- 根据响应标头进行技术检测（`Server`、`X-Powered-By`、CMS 指纹识别）
- 缺失的安全标头检查
- SSL 证书信息 + SAN 域名（有时会附带子域名）
- 通过 Groq 将所有这些发送到 `llama-3.3-70b-versatile` 并返回结构化的攻击分析
## 安装
```
git clone https://github.com/EvgenuXSS/ai-recon
cd ai-recon
pip install -r requirements.txt
```
在 [console.groq.com](https://console.groq.com) 获取免费的 Groq API key（免费且速度快）
```
export GROQ_API_KEY=your_key_here
```
## 用法
```
python3 ai_recon.py example.com
```
使用不同的模型：
```
python3 ai_recon.py example.com --model mixtral-8x7b-32768
```
## 输出示例
```
[*] target: example.com
[*] model: llama-3.3-70b-versatile
[*] started at 14:23:01
[*] DNS recon...
IP: 93.184.216.34
[*] HTTP recon...
HTTPS 200 — Example Domain
missing headers: Content-Security-Policy, X-Frame-Options
[*] SSL/TLS info...
SANs: example.com, www.example.com
[*] asking llama-3.3-70b-versatile for analysis...
============================================================
## 技术 Stack
Based on the headers, this appears to be a standard nginx server...
## 潜在 Attack Vectors
1. Missing CSP — XSS would not be blocked by policy...
...
============================================================
```
## 支持的模型
Groq 上可用的任何模型都可以。较快的模型有：
- `llama-3.3-70b-versatile`（默认，效果最好）
- `llama-3.1-8b-instant`（更快，细节较少）
- `mixtral-8x7b-32768`（适合长输出）
## 注意事项
- 仅测试您有权限测试的目标
- Groq 免费额度对此已经绰绰有余
- 需要安装 `dig` 才能获取完整的 DNS 记录（可选，否则会回退到 socket）
*由 [EvgenuXSS](https://github.com/EvgenuXSS) 制作*标签：AI辅助测试, GitHub, Python, UDP扫描, Web安全, 实时处理, 无后门, 蓝队分析, 逆向工具