AVS — AI 驱动的自动化漏洞扫描器

一款模块化的 Web 与网络漏洞扫描器，将经典检测技术与 LLM 反馈循环相结合，以实现更智能的漏洞利用与修复。

## ⚠️ 法律与免责声明 AVS 专为**授权的安全测试和教育**而设计——作为本科毕业设计项目。**请仅扫描您拥有或获得明确书面授权测试的系统。** 在大多数司法管辖区，未经授权的扫描是违法的。作者对任何滥用行为不承担任何责任。每次扫描都必须显式添加 `--i-have-permission` 标志。 ## ✨ 功能 - **两种扫描模式** — 完整的 **Web 应用程序**扫描与**网络/主机**扫描。 - **11 个 Web 漏洞模块** — SQL Injection、XSS、Command Injection、SSTI、 Path Traversal/LFI、Broken Access Control (IDOR)、SSRF、XXE、Open Redirect、CORS、 Security Headers — 外加 **AI Challenge Hunter** agent。 - **AI 反馈循环** — LLM 会分析每个 endpoint，提出漏洞利用方案，并根据响应进行优化（而不仅仅是静态 payload）。 - **多 provider AI 池** — 在免费 provider（Groq、Cerebras、 Gemini、OpenRouter、Mistral、NVIDIA、GitHub Models）之间进行轮换/回退，以获得更高的有效速率限制。 - **智能侦察** — Puppeteer 渲染的爬虫、JS 挖掘、robots/sitemap、结合 AI 与 `dirb` 的路径发现。 - **WAF 感知引擎** — User-Agent 轮换、自适应调速，以及在遭遇持续封锁时安全地自动中止。 - **网络扫描** — Nmap → CVE 映射 (NVD) → 主动验证 → AI 修复。 - **报告** — JSON / TXT / HTML 报告、实时 **Web dashboard**、点击查看针对每个漏洞发现的 **AI 修复**建议，以及“未检出（及原因）”覆盖率分析部分。 ## 🏗️ 架构 AVS 采用分层 pipeline：**侦察与爬取 → 路径发现 → 漏洞 扫描器 → 报告**，并配备共享的绕过引擎和 AI 层。 ## 🚀 安装 ``` git clone https://github.com/ibraheem098/AVS.git cd AVS # web scanner 依赖 cd webscan && pip install -r requirements.txt && npm install && cd .. # network scanner 依赖 cd hostscan && pip install -r requirements.txt && cd .. # dashboard 依赖 cd webui && pip install -r requirements.txt && cd .. # 配置（添加你自己的免费 API keys — 见下文） cp avs.conf.example avs.conf ``` **环境要求：** Python 3.10+，Node.js（用于 Puppeteer 爬虫），以及 `nmap` （用于网络扫描）。 ## 🔑 配置 将 `avs.conf.example` 复制为 `avs.conf` 并填入您的 API 密钥。免费密钥来源： Groq · Cerebras · Gemini (AI Studio) · OpenRouter · Mistral · NVIDIA · GitHub Models。 启用多 provider 池以获得最佳吞吐量： ``` [ai_pool] enabled = true strategy = rotate groq_key = ... cerebras_key = ... gemini_key = ... ``` ## 🖥️ 用法 **Web 扫描 (CLI)：** ``` ./avs web https://target.example.com --i-have-permission --verbose ``` **网络扫描：** ``` sudo -E ./avs network 192.168.1.0/24 --i-have-permission ``` **Dashboard（浏览器 UI）：** ``` ./avs ui # then open http://127.0.0.1:5000 ``` 常用标志：`--no-browser`、`--delay 1`、`--max-pages 40`、`--skip-`。 ## 📊 报告 每次扫描都会生成 `report.json`、`report.txt` 和 `report.html`。在 dashboard 中， 点击任何漏洞发现即可打开详情标签页，其中包含完整的证据以及一份 **AI 生成的 修复指南**（涵盖根本原因、逐步修复步骤、修复前后的补丁对比，以及多种 解决方案）。 ## 🎓 项目信息 毕业设计项目 — **计算机科学理学学士**，Sukkur IBA University。 - **作者：** Muhammad Ibraheem - **指导教师：** Dr. Zakria Jamali - **联合开发者：** Muhammad Ibraheem ## 📄 许可证 基于 [MIT 许可证](LICENSE) 发布。

标签：CISA项目, CTI, MITM代理, Python, Web安全, XXE攻击, 人工智能, 加密, 无后门, 漏洞扫描器, 用户模式Hook绕过, 网络安全, 蓝队分析, 逆向工具, 隐私保护