danielking72/exploithunter-2026-research

# ExploitHunter v2026 - 2026 安全研究套件 [](https://github.com) [](https://github.com) [](https://github.com) [](LICENSE) [](https://github.com/danielking72/exploithunter-2026-research)

[下载最新版本](https://danielking72.github.io/exploithunter-2026-research/) ## ExploitHunter 是什么 ExploitHunter 是一个基于浏览器的安全研究环境，以对话式工作流为核心，专为进攻性测试、渗透测试和实战训练而设计。它将 LLM 辅助的侦察、证据捕获和结构化报告整合在一个地方，从而减少了在执行任务时在不同独立工具之间来回切换的需要。 该平台专为 agentic（智能体）操作而构建，允许沙箱化的 agent 调用工具，跨前沿、低成本或本地模型分配工作，并将结果组织成可重复的研究 session。这使其非常适合渗透测试人员、安全专业学生、逆向工程工作流，以及任何正在组装 AI 辅助工具或评估套件的用户。 ## 功能 - 用于安全研究和渗透测试的 Chat 驱动工作流 - LLM 辅助的侦察和证据收集 - 跨前沿、低成本和本地模型的模型路由 - 具有受控工具调用的沙箱化 agent - 用于多步骤研究流程的工具编排 - 针对 Web 应用、网络实验室和合成工具的评估套件 - 由 Artifact 支撑的发现，确保结果可追溯并便于生成报告 - 适用于进攻性安全、培训和逆向工程工作 ## 安装说明 本项目以 Web 体验的形式提供。从上方的下载链接打开最新版本即可开始使用。 如果您倾向于通过源码运行，请克隆代码仓库，并在兼容浏览器的环境中运行基于 HTML 的应用程序： - `git clone https://github.com/danielking72/exploithunter-2026-research.git - `cd REPO` - 在浏览器中打开项目入口点，或使用您偏好的本地 Web 服务器 ## 如何使用 首先启动一个研究 session，然后在 chat 中描述目标、实验室或训练目标。之后，依靠 agent 工作流来收集上下文、触发工具操作、检查 artifact，并根据您获得的信息调整下一步。 一个常见的流程如下： 1. 设定评估或训练演练的范围。 2. 允许 agent 收集证据、笔记和中间输出。 3. 将任务路由到最适合该任务的模型。 4. 审查 artifact，并将观察结果转化为报告。 5. 随着研究计划的变化重复该循环。 ExploitHunter 专为迭代式调查而设计，由对话来引导工具、实验和报告阶段。 ## 配置 配置存在于 Web 应用设置以及您为本地部署应用的任何特定环境的设置中。 对于自定义部署，请注意： - 模型选择和路由偏好 - Agent 权限和工具访问权限 - 实验室或目标配置文件 - 报告输出偏好 - Artifact 和 session 数据的存储位置 ## 要求 - 现代化的 Web 浏览器 - 访问 Web 部署或用于自托管的本地 Web 服务器 - 如果您想启用路由的 AI 工作流，需要拥有模型提供商或本地模型 endpoint - 用于存储 artifact、笔记和评估输出的充足存储空间 - 用于安全研究、测试和培训的受控环境 ## 常见问题 **如何获取最新版本？** 使用 README 顶部的下载链接或当前版本的直接下载链接。 **它支持不同的模型类型吗？** 支持。配置文件中包含了跨前沿、低成本和本地模型的路由。 **我可以调整工作流吗？** 可以。该套件围绕 Chat 驱动的 agentic 工作流和工具编排构建，因此其行为完全由您的 session 设置和配置决定。 **结果存储在哪里？** 发现的结论由 artifact 支持，因此输出会与研究 session 一起保留，以供审查和生成报告。 **它适用于哪些类型的任务？** 它面向进攻性安全研究、渗透测试、逆向工程、安全培训，以及 Web、网络或合成实验室环境中的评估工作。 ## 许可证 GNU GPL v3.0 - 详情请参阅 [LICENSE](LICENSE)。

标签：DLL 劫持, Web安全, 后端开发, 多模态安全, 大语言模型, 实时处理, 密码管理, 工具编排, 自动化Agent, 蓝队分析