Chris-biu/AutoHunter

## ✨ 这是什么 AutoHunter 把**红队自动化**和 **AI 决策**结合起来：你给它一个目标，它像一名渗透测试工程师那样， 自主决定"用哪个工具、打哪个面、查什么漏洞"，把 Burp、Xray、nuclei 这些工具串成攻击链， 最后给你一份对齐 OWASP、诚实标注覆盖盲区、去过误报的报告。 核心不实现任何具体攻击——**一切皆插件**。用户可以零代码(YAML)或低代码(Python)不断接入新工具， 工具库越大，agent 能力越强。 ## 🚀 30 秒上手（零依赖、无需 API Key） pip install -r requirements.txt # 内置 demo 插件 + 自带靶场，端到端跑通整条流水线 python -m autohunter scan --target http://demo-shop.local --type website --scope demo-shop.local 报告输出到 `reports/<任务ID>/report.html`。想接真实工具？一条命令下载： python scripts/fetch_tools.py # 自动下载 Xray / nuclei ## 🧠 三大设计支柱 flowchart TD A[目标: 网站 / 小程序 / API] --> B[侦察建面
爬取 · 指纹 · 小程序拆包] B --> C{覆盖矩阵
攻击面 × 漏洞类别} C --> D[能力注册表 + 路由
标签过滤 → 语义检索 → LLM 定夺] D --> E[分层大脑
Planner · Executor · Parser · Reflector] E --> F[插件层] F --> F1[声明式 CLI
Xray/nuclei/sqlmap] F --> F2[编程式 API
Burp/BeEF/AntSword] F --> F3[AI 攻击
越狱/注入] F1 & F2 & F3 --> G[统一发现 Finding] G --> C G --> H[验证器
去误报 · 主动复验] H --> I[📊 报告
覆盖矩阵 + 已确认漏洞 + 修复建议] | 支柱 | 解决什么 | |------|---------| | 🔌 **插件系统**（三种接入） | 声明式(零代码 YAML) / 编程式(Python) / 服务型(常驻 API)。接新工具不碰核心代码 | | 📊 **覆盖矩阵** | 把"全方位"变成一张能勾选的表；无工具覆盖的检测项**诚实标注**，绝不把"没测"伪装成"安全" | | 🎯 **能力注册表 + 分层大脑** | 工具再多也能精准选择；Planner/Executor/Parser/Reflector 分层，避免长上下文迷失 | ## 🔥 真实效果（非 demo 数据） 对自带靶场 `targets/vuln_app` 的一次真实多工具扫描： ① 侦察建面：攻击面=6 资产, 矩阵=72 格子 整站扫描器 nuclei / xray / burp 依次运行… [+] xray 发现 sqli @ /product?id=1 (真实 SQL 注入) [+] xray 发现 xss @ /search?q=hello (真实反射型 XSS) [+] burp 发现 未加密传输 / 点击劫持 ② 覆盖矩阵驱动主循环… 覆盖率=100% ③ 漏洞验证去误报… 已确认=4 疑似=0 误报=0 - **Xray**（CLI，声明式接入）：主动扫出 SQLi、XSS - **Burp Pro**（REST API，编程式接入）：整站爬取+审计，与 Xray **跨工具互相佐证** - **小程序**：从源码提取后端 API 端点 + 检出硬编码密钥（appsecret / access_key） - 报告覆盖矩阵 0 盲区、0 误报 ## 🧩 30 秒接入你自己的工具 **声明式（零代码）** —— 新建 `plugins/mytool/manifest.yaml`： name: mytool category: scanner target_types: [website] vuln_classes: [sqli, xss] requires: { binary: tools/mytool.exe, inputs: [url] } run: type: cli command: "{{binary}} -u {{target_url}} -o {{workdir}}/out.json" parse: type: json file: "{{workdir}}/out.json" mapping: { vuln_class: "$.type", asset_value: "$.url", severity: "$.risk" } 放好即被自动加载、纳入 agent 编排——无需改任何核心代码。 需要交互/API 的复杂工具走编程式，见 `plugins/burp/plugin.py`。 ## 🤖 智能模式（OpenAI 兼容，多模型可切） 一套代码，靠 `base_url + model` 切换后端： export AH_LLM_BASE_URL=https://api.deepseek.com # 智谱GLM / Kimi / OpenAI / 本地Ollama 换 URL 即可 export AH_LLM_MODEL=deepseek-chat export AH_LLM_API_KEY=sk-xxxx python -m autohunter scan --target https://target.example --scope target.example ## 🐳 Docker 运行 docker compose build docker compose run --rm autohunter scan --target http://juice-shop:3000 --scope juice-shop 自带 OWASP Juice Shop 授权靶场；BeEF 通过 `--profile exploit` 启用。 ## 🛠️ 工具集成状态 | 工具 | 接入方式 | 状态 | |------|---------|------| | **Xray** | 声明式 CLI | ✅ 联调通过（真实扫出 SQLi/XSS） | | **nuclei** | 声明式 CLI | ✅ 联调通过 | | **Burp Suite Pro** | 编程式 REST API | ✅ 联调通过（跨工具佐证） | | **小程序拆包** | 编程式 | ✅ API 提取 + 密钥检出 | | **BeEF** | 服务型 | 🚧 适配器已实现，待联调 | | **AntSword 蚁剑** | 编程式（破坏性，门禁） | 🚧 设计完成，M8 | ## 📁 项目结构 autohunter/ 核心包 ├── core/ 数据模型 · 插件系统 · 注册表 · 编排 · 护栏 · 覆盖矩阵 ├── brain/ Planner · Executor · Parser · Reflector · LLM 抽象层 ├── verifier/ 漏洞验证器（去误报） ├── reporters/ HTML / JSON 报告器 └── config/ 归一化表 · 运行配置 plugins/ 插件（manifest.yaml 或 plugin.py） targets/ 自带授权靶场（含小程序样本） scripts/ 工具下载脚本 tests/ 冒烟测试 DESIGN.md 完整架构设计文档 ## 🗺️ 开发路线图 - [x] **M0** 地基：数据模型 / 插件抽象 / 注册表 / 加载器 / 护栏 - [x] **M1** 声明式引擎 + Xray/nuclei 真实联调 - [x] **M2** 覆盖矩阵驱动编排 + 整站扫描 + 主动验证 + 报告 - [x] **M3** 分层大脑 + OpenAI 兼容 LLM 层（规则模式已通，接 Key 即启用智能模式） - [x] **M4** Burp Pro REST 集成（跨工具佐证） - [x] **M5** 验证增强（主动 XSS 探针 / 强证据确认） - [ ] **M6** 小程序完整链（解密解包） - [ ] **M7** AI 攻击插件（越狱/注入，OWASP LLM Top 10） - [ ] **M8** BeEF / AntSword（侵入/破坏性，人工确认门禁） ## 🧪 测试 python tests/test_smoke.py # 端到端冒烟测试（无需外部工具） ## 📜 License MIT — 详见 [LICENSE](LICENSE)。仅限授权与教学用途。

标签：CISA项目, LLM大语言模型, Python, 密码管理, 数据泄露, 无后门, 红队自动化, 自动化渗透测试, 请求拦截, 逆向工具