io-tl/mulot

GitHub: io-tl/mulot

mulot 是一个由开源权重 LLM 驱动的智能体式 Web 渗透测试框架，通过控制真实浏览器并结合类 Burp 工具包实现自动化漏洞挖掘与利用。

Stars: 5 | Forks: 0

# mulot [![Go](https://img.shields.io/badge/Go-1.26-00ADD8?logo=go&logoColor=white)](go.mod) [![MCP](https://img.shields.io/badge/MCP-server-6E56CF)](https://modelcontextprotocol.io) [![Drives](https://img.shields.io/badge/drives-Chromium%20(CDP)-4285F4?logo=googlechrome&logoColor=white)]() [![License](https://img.shields.io/badge/License-Apache_2.0-blue.svg)](LICENSE) 一个开源权重 LLM（GLM-5.2、Gemma 或 Qwen）通过类似 Burp 的工具包驱动真实的 headless Chromium，像人类渗透测试员一样对目标进行操作。不使用前沿模型，没有在 Kali VM 中运行的 agent。 ![mulot 解决 OverTheWire natas16](https://raw.githubusercontent.com/io-tl/mulot/main/bench/natas16.gif) _{侦察 → 编写自己的 JavaScript payload → 命令注入 → flag。} 仅运行此测试框架，开源权重 GLM-5.2 agent 解决了 **87% 的 OverTheWire Natas** 和 **73% 的 Root-Me Web-Server**（完整表格见下文）。 - **真实的浏览器，而不仅仅是 HTTP**：真实的登录流程、重 JS 的应用以及基于 DOM 的 XSS。 - **类似 Burp 的基础组件**：流量历史、Repeater、Intruder、被动扫描。 - **无需前沿 API，无需在 VM 中运行 agent**：Qwen 3.6 27B 即可使用；GLM-5.2 是最佳平衡点。 ## 理念一个 agent 不仅仅是一个模型，工具通常比参数量更重要。模型已经阅读过安全文献、拦截代理、请求历史、站点地图、模糊测试插入点。Burp、ZAP、mitmproxy、Fiddler——它们的词汇和操作手法都存在于模型训练所用的语料库中。因此 **mulot** 对框架进行了塑造，以*精准地暴露这些基础组件*。 ## 两大部分 mulot 分为两部分：一个捕获并重放每一次交互的**代理**，以及一个在目标页面内运行 agent 自身代码的**思考层**。 **代理部分** - **流量日志 (History)**：每一次 HTTP 交互都会存入一个常驻的 SQLite 数据库中，支持查询和重放。捕获通过浏览器的 CDP 协议进行，因此读取到的 HTTPS 已经是解密的——无需拦截证书，无需真正的 MITM。 - **请求编辑器 (Interceptor/Repeater)**：从 URL 重建请求，或从捕获的流量中重新播种，篡改它，然后在浏览器的 CORS 规则之外重新发送它。 - **HTTP 模糊测试 (Intruder)**：一个标记的插入点，一组轮流替换的 payload，以及基于状态码、长度或正则表达式的匹配条件。 - **扫描 (Passive scan)**：针对同一日志和实时 DOM 进行被动和主动扫描。 **思考部分** - **页面内 JavaScript**：一个在页面*内部*而非主机上运行的 JS 工具箱。agent 从内部进行自动化操作，而运行它的机器则保持遥不可及。它将辅助 JS 库注入到 DOM 上下文中，并为 padding oracle 攻击、基于时间的 SQLi、反序列化等创建自己的 JavaScript 工具…… - **内嵌技能与字典**：将手册和字典内置到二进制文件中，按需通过标签提供服务。技能是在对目标进行指纹识别后选择的，而字典由于其体积通常很大，永远不会跨越上下文窗口——它们在服务端被消耗或在页面内迭代。 ## 技能：内嵌手册，动态选择手册位于二进制文件中（`go:embed` 作用于 `assets/skills/`），并通过两个工具提供服务： - `list_skills` 枚举可用的技术栈（php、python、java、nodejs 等）。 - `load_skill` 不带参数返回**通用工作流**，或者当你指定名称时返回某个技术栈量身定制的手册（`load_skill(["python"])`）。流程：模型预先获取通用工作流（因此它在了解目标之前就知道自己的能力），对目标进行**指纹识别**，然后加载匹配的技术栈。对于混合技术栈的目标也没问题；随着更多技术栈浮现，可以再次调用它。添加一个技术栈只需放入一个 `assets/skills//` 目录并重新编译。 ## 快速开始 ``` go build -o mulot ./cmd/mulot # build the MCP server binary # 本地 llama.cpp python3 agent.py --provider llamacpp --model qwen3.6-mtp --base http://localhost:8080 \ "pwn this server http://localhost:4280/login.php and output only id and uname -a command" # zai token export ZAI_API_KEY=... python3 agent.py --provider zai --model glm-5.2 "audit http://localhost:8000" ``` `agent.py` 是一个小型的单文件框架，它通过 stdio MCP 驱动 mulot，并与任何支持工具调用的 **OpenAI 兼容**端点通信。预设配置包括：`openrouter`、`llamacpp`、`zai`。提供商会根据环境中的 API 密钥自动检测。环境变量： | 变量 | 效果 | |-|-| | `MULOT_USER_AGENT` | 由 `http_request`/`http_fuzz` 和浏览器发送的 User-Agent。 | | `MULOT_HEADLESS` | `browser_launch` 的默认无头模式（`true`/`false`）。 | | `MULOT_PROXY` | 浏览器的上游代理（HTTP/SOCKS5），以及用于 `http_request`/`http_fuzz` 的代理（仅限 HTTP/HTTPS，SOCKS5 需要浏览器工具）。 | ## 结果仅使用此框架（最多 120 步）运行开源权重 **GLM-5.2** agent 对抗 Web 渗透测试挑战，取得了优异的结果： ### OverTheWire (Natas)：解决率 87%

完整结果：34 个挑战

### Root-Me (Web-Server)：解决率 73%

完整结果：92 个挑战

标签：AI智能体, Chromium, CISA项目, DLL 劫持, EVTX分析, MCP, Web安全, 大语言模型, 数据泄露, 日志审计, 蓝队分析, 逆向工具