XenoCoreGiger31/README.md

# 👋 嘿，我是 Chris **安全研究员 | 自学开发者 | 本地 LLM 与自治 Agent 构建者** 致力于构建 **PenMaster Security** —— 一个由本地模型驱动的自动化渗透测试 Agent。我专注于安全、AI 和基础设施的交叉领域。 ## 🚀 我正在研究什么 我热衷于： - 🔐 **自治安全 Agent** —— 使用本地 LLM（通过 LM Studio 运行 Qwen 2.5-14B）编排渗透测试工作流 - 🧠 **本地 AI 部署** —— 优化模型以实现端侧推理（无需云端，无需 API 密钥） - 🛠️ **安全工具** —— 构建能够协调 masscan、nmap、sqlmap、hydra 及其他 13 种安全工具的 Agent - 📱 **移动安全** —— 将模型移植到 iOS/Android，实现离线漏洞评估 - 🔄 **Agent 基础设施** —— 记忆系统、日志记录、负面经验缓存、决策追踪 ## 💻 技术栈 ### 语言与核心    ### AI 与模型     ### 基础设施与工具     ### 安全 - **侦察:** masscan, nmap, nikto - **漏洞利用:** sqlmap, hydra, ncrack, searchsploit - **Payload:** msfconsole, social engineering toolkit - **分析:** Burp Suite, metasploit, 自定义 Agent ## 📦 代码库 ### 🔴 核心项目 #### **[Local-Model](https://github.com/XenoCoreGiger31/Local-Model)** **PenMaster Security — 自动化渗透测试 Agent** 一个用于协调、智能化渗透测试的自治 Agent。通过 LM Studio 在本地运行 Qwen 2.5-14B，通过 MCP server 协调 17 种安全工具，维持持久化记忆，并生成[...] **核心特性：** - 自动化工具编排（masscan → nmap → exploit 链） - 持久化的负面经验缓存（防止重复尝试） - 基于 JSONL 的短期记忆，用于决策追踪 - 生成 HTML 渗透测试报告 - 社会工程学工具包扩展 - 已针对 Metasploitable 进行测试（突破 24 个端口中的 14 个） **技术栈：** Python, Flask, Qwen 2.5-14B, LM Studio, MCP, Kali Linux #### **[Qwen-2.5-1.5B-Android](https://github.com/XenoCoreGiger31/Qwen-2.5-1.5B-Android)** **适用于 Android 的移动安全模型** 针对 Android 设备优化的量化版 Qwen 2.5-1.5B 模型。支持在端侧进行安全评估推理，无需依赖云端。 **包含内容：** - 多种量化格式（Q8 GGUF, Q4 GGUF, SafeTensors） - 已在 Android 12+ 上测试 - 低延迟推理 - 隐私优先（所有处理均在本地进行） **非常适合：** 需要进行便携式威胁建模的安全研究员、渗透测试人员、红队成员 #### **[Qwen-2.5-1.5B-Local-Uncensored](https://github.com/XenoCoreGiger31/Qwen-2.5-1.5B-Local-Uncensored)** **适用于 iOS 的移动安全模型** 针对 iOS 设备的量化版 Qwen 2.5-1.5B 模型。无需互联网即可直接在 iPhone/iPad 上进行安全评估。 **包含内容：** - Q8 GGUF, Q4 GGUF, SafeTensors 格式 - 兼容 iOS 15+ - 针 Off Grid 应用及本地机器学习框架进行了优化 - 首个 24 小时内下载量达 341 次 **使用场景：** 端侧漏洞分析、离线威胁评估、渗透测试工作流 ## 📊 GitHub 统计   ## 🌐 Hugging Face 个人主页 我在 **[Hugging Face: automajicly](https://huggingface.co/automajicly)** 上发布量化模型、Spaces 和安全数据集 **已发布：** - **Qwen 2.5-1.5B 量化变体**（Q8 GGUF, Q4 GGUF, SafeTensors） - **iOS/Android Spaces**（附带 Gradio 演示） - **安全模型**（即将推出） 请访问该主页以获取模型详情、下载链接和集成指南。 ## 💬 合作交流 我正在积极寻找以下方面的合作伙伴： - **自治 Agent 改进**（更好的工具选择、exploit 链） - **模型优化**（量化、推理速度） - **安全工具**（新的漏洞利用、侦察模块） - **移动端部署**（iOS/Android 框架、边缘推理） - **开源安全项目** **感兴趣吗？** 请通过下方联系方式与我取得联系。 ## 📬 联系方式 - **邮箱：** [christopherwsheridan@gmail.com](mailto:christopherwsheridan@gmail.com) - **GitHub：** [@XenoCoreGiger31](https://github.com/XenoCoreGiger31) - **Hugging Face：** [@automajicly](https://huggingface.co/automajicly) - **GitHub Sponsors：** [支持这项工作](https://github.com/sponsors/XenoCoreGiger31) ## 🎯 当前重心 (2026) - 🐍 **精通 Python 基础** —— 深入研究系统级 Python 和性能优化 - 💾 **系统与架构** —— 了解操作系统内部原理、网络和内存管理 - 🔐 **安全研究** —— 严谨的漏洞分析、exploit 开发和威胁建模 - 🛠️ **构建基础工具** —— 从第一性原理出发创建可复用的安全工具 - 📖 **文档与教学** —— 分享知识，构建透明的学习资源 ## 📚 学习与成长 我是自学的，通过构建真实工具来解决实际问题。我的方法： - **公开深度学习** —— 所有工作都在 GitHub 上进行，并记录了详细的推理过程 - **精通 Python 与系统** —— 从基础到生产级代码 - **安全优先的开发** —— 严格的测试、透明的安全发现、负责任的披露 - **构建工具，而非堆砌黑客技巧** —— 创建可靠、可复用的安全基础设施 - **知识共享** —— 不设门槛，协作进行开源开发 - **持续改进** —— 迭代想法，接受反馈，从错误中学习 如果你看到任何有趣、有问题或值得一起探讨的内容，请告诉我。永远在构建。永远在学习。 **最后更新：** 2026 年 6 月 | 永远在构建 | 拒绝 AI 生成的废话 🚀

标签：CISA项目, Python, 实时告警, 应用安全, 插件系统, 数据泄露, 无后门, 本地大模型, 自主智能体, 逆向工具