alisip-3/AI-Powered-Vulnerability-Reporter

# AI 驱动的漏洞报告工具 这是一个自动化的概念验证和报告工具，能够识别 Web 漏洞、捕获视觉证据，并使用本地大型语言模型生成专业的渗透测试报告。 ## 项目概述 本项目旨在演示一种常见安全工作流的自动化过程：验证漏洞并为开发人员编写文档。受 **PortSwigger Web Security Academy** 关于身份验证和会话管理的实验启发，该工具专门针对一个定制构建的 **Flask** Web 应用程序。 该工具无需在发现 Bug 后手动编写报告，而是自动执行漏洞利用过程，对被破坏的状态进行截图，并使用本地 AI 生成结构化、以修复为导向的报告。 ## 在线演示 **⚠️ 警告：这是一个出于教育目的故意设置的存在漏洞的应用程序！** - **银行应用程序**：https://python-pickwiz.onrender.com - **测试凭据**：`admin` / `12345` **免责声明**：此应用程序包含已知的安全漏洞（硬编码的会话 token、失效的访问控制）。请勿使用真实的凭据或敏感数据。本应用仅用于演示安全概念和自动化测试工作流。 ## 功能 - **自动化漏洞利用**：使用 Playwright 模拟浏览器，注入 payload（例如，硬编码的会话 cookie），并验证失效的访问控制。 - **视觉证据**：自动捕获被利用状态下的无头浏览器截图，作为不可否认的概念验证。 - **本地 AI 报告生成**：集成 Ollama (Llama 3.2)，生成包含执行摘要和安全代码修复示例的结构化、专业的漏洞报告。 - **零外部 API 依赖**：所有 AI 处理均在本地进行，确保敏感的漏洞数据永远不会离开本机。 - ## 技术栈 - **目标应用程序**：Python Flask（定制构建的存在漏洞的银行应用程序） - **漏洞概念**：失效的访问控制 / 可预测的会话 token（与 PortSwigger Web Security Academy 保持一致） - **自动化**：Python、Playwright (异步) - **AI 集成**：Ollama (本地 LLM)、Prompt 工程 - ## 工作原理 1. **目标定位**：脚本针对特定的 endpoint（例如，`/secure-zone/bank`）。 2. **漏洞利用**：Playwright 注入已知的包含漏洞的 cookie（`session_token=secure_user_session_12345`）并导航至该页面。 3. **证据捕获**：如果页面成功加载（HTTP 200），将保存一张截图（`proof_of_exploit.png`）。 4. **AI 分析**：脚本将技术发现发送至本地 Ollama 实例，并附带严格的 prompt 模板。 5. **报告生成**：生成一份全面的 Markdown 报告（`vulnerability_report.md`），其中嵌入了截图并提供了对开发者友好的修复建议。 ## 前置条件 - Python 3.10+ - 已安装并在本地运行 [Ollama](https://ollama.com/) - 已下载 `llama3.2` 模型（`ollama pull llama3.2`） ## 安装与使用 1. 克隆代码库： git clone https://github.com/YOUR_USERNAME/AI-Powered-Vuln-Reporter.git cd AI-Powered-Vuln-Reporter 2. 安装依赖： ``` pip install -r requirements.txt playwright install chromium ``` 3. 确保 Ollama 在后台运行，然后执行脚本： ``` python main.py ``` 4. 在你的 IDE 或 GitHub 中查看生成的 vulnerability_report.md 以了解最终输出。 ## 示例输出： 成功执行后，该工具将生成一份专业的报告。“Technical Details”部分将自动渲染捕获的证据：  ## 经验总结 - **发现与自动化**：虽然自动化扫描器很棒，但在自动化 PoC 之前，了解如何手动发现漏洞（例如，检查网络流量中的静态 cookie）至关重要。 - **Prompt 工程**：要从 LLM 获取有用的报告，需要进行严格的 prompt 要求。定义精确的输出结构（执行摘要、影响、修复建议）可以防止 AI 生成通用且无用的文本。 - **错误处理**：集成无头浏览器需要健壮的超时和状态等待逻辑，以处理现实世界中的网络延迟（特别是在像 Render 这样的免费托管平台上）。 # License 本项目仅用于教育和作品集展示目的。在对任何应用程序进行测试之前，请务必确保已获得明确授权。

标签：AI风险缓解, Modbus, 本地大模型, 特征检测, 自动化PoC, 自动化报告, 逆向工具