Skip to content

StanleyNull/AutoHunter

BranchesTags

Repository files navigation

AutoHunter

多 Agent 协同 · 24×7 自动挖洞 · 人工只做复审决策

锁定 · 侦察 · 出洞

Powered By StanleyNull · QQ 754276250 · License: CC BY-NC 4.0

这是什么

AutoHunter 是一个多 Agent 协同的自动化漏洞挖掘系统。你把一台机器交给它当作 7×24 小时不停歇的挖洞平台，自己只做「人工复审员」：

Collector（搜集）  →  Worker（1:1 真实挖洞）  →  Reviewer（AI 初审去垃圾）  →  人工复审 → 待提交
     ↑ FOFA/手动录目标        ↑ LLM + 真实工具链（nmap/nuclei/sqlmap/httpx/JS 分析…）
  • Collector：从 FOFA 持续产出目标，探活、预筛、评分、归属标注后入队。
  • Worker：每个目标一个 Worker，LLM 自主侦察 + 调用真实工具挖洞，出洞即提交。
  • Reviewer：极理性 AI 初审，过滤半成品/误报，只把够格的洞送到人工面前。
  • 控制台：实时看板一眼看清每个 Worker 在干什么、目标优先级、事件流；结果区高效复审、编辑、标记提交。
  • 归属标注：写报告时按目标 IP/域名离线反查所属高校（app/data_static/edu_ip.db），自动填充报告归属单位与 EduSRC 提交 JSON 的标题/单位；重建脚本见 tools/edu_ip_builder/。

⚠️ 仅限对已获明确书面授权的目标使用。 本工具遵循 CC BY-NC 4.0，禁止商用。滥用后果自负。

各平台环境准备

AutoHunter 全程基于 Docker + Docker Compose v2 运行，任意装得上 Docker 的系统都能跑。下面按平台给出准备步骤，装好 Docker 后统一走 一键部署 或 手动部署。

🐧 Linux 服务器（推荐，Ubuntu / Debian / CentOS）

生产环境首选。2C4G 起步，磁盘 ≥ 20G。

# 1. 安装 Docker（官方一键脚本，适配主流发行版）
curl -fsSL https://get.docker.com | sh
sudo systemctl enable --now docker

# 2. 把当前用户加入 docker 组（免 sudo，重登生效）
sudo usermod -aG docker $USER && newgrp docker

# 3. 验证
docker version && docker compose version

# 4. 拉代码 + 部署
git clone https://github.com/StanleyNull/AutoHunter.git autohunter && cd autohunter
bash scripts/install.sh

开放端口（默认 18800）：

# Ubuntu/Debian(ufw)
sudo ufw allow 18800/tcp
# CentOS/RHEL(firewalld)
sudo firewall-cmd --permanent --add-port=18800/tcp && sudo firewall-cmd --reload

云服务器还需在厂商安全组里放行 18800（或你自定义的 AUTOHUNTER_HOST_PORT）。

SSH 断开后仍要运行：容器由 Docker 守护，docker compose up -d 已是后台运行，关掉 SSH 不影响。可选设开机自启见下方 服务器长期运行。

🪟 Windows（Docker Desktop + WSL2）

适合本地跑 / 自用。Windows 10/11 均可。

  1. 装 WSL2（管理员 PowerShell）：

    wsl --install

    装完重启。

  2. 装 Docker Desktop：安装时勾选 “Use WSL 2 based engine”，启动后在 Settings → Resources → WSL Integration 打开集成。

  3. 拉代码 + 部署（在 PowerShell 或 WSL 终端里）：

    git clone https://github.com/StanleyNull/AutoHunter.git autohunter
cd autohunter
bash scripts/install.sh

    install.sh 是 bash 脚本，在 WSL / Git Bash 里跑最顺。若只用 PowerShell，也可走 手动部署：copy .env.example .env，编辑后 docker compose up -d --build。

  4. 浏览器访问 http://localhost:18800/。

💡 Windows 下代码放在 WSL 文件系统内（如 ~/autohunter）比放在 C:\ 挂载盘性能好很多。

🍎 macOS（Docker Desktop）
  1. 装 Docker Desktop for Mac（Apple Silicon / Intel 均支持），启动它。
  2. 部署： 
    git clone https://github.com/StanleyNull/AutoHunter.git autohunter && cd autohunter
bash scripts/install.sh
  3. 访问 http://localhost:18800/。

一键部署（推荐）

前置：一台 Linux 服务器（2C4G 起步，磁盘 ≥ 20G），已装 Docker + Docker Compose v2。

# 1. 拉取代码
git clone <your-repo-url> autohunter && cd autohunter

# 2. 运行引导脚本（带字符画，交互式采集必填参数，自动生成 .env、构建并启动）
bash scripts/install.sh

脚本会：检查 Docker 环境 → 引导你填 LLM API Key（必填）、FOFA Key（推荐）→ 自动生成高强度访问令牌 → 构建镜像并启动 → 打印访问地址和令牌。

首次构建会编译前端 + 安装挖洞工具（nmap / nuclei / sqlmap / httpx / whatweb 等），约 5–15 分钟，请耐心等待。

手动部署

cp .env.example .env
# 编辑 .env：至少填 LLM_API_KEY；建议填 FOFA_KEY 和 AUTOHUNTER_API_TOKEN
vim .env

docker compose up -d --build
docker compose logs -f autohunter   # 看启动日志

启动后访问 http://<服务器IP>:18800/，用你在 .env 里设置的 AUTOHUNTER_API_TOKEN 登录。

创建任务：配置怎么填

登录控制台 → 「新建挖掘任务」，各字段含义如下：

字段 填什么 说明
任务名称 随便起，方便自己区分 如 edu批量挖掘-2026
任务模式 EduSRC / 企业SRC 决定评分口径和审核标准，教育资产选 EduSRC
漏洞类型 逗号分隔 默认 sql_injection,rce,unauthorized_access,idor,file_upload,captcha_bypass，一般不用改
目标来源 FOFA 自动搜 / 手动清单 / 两者 / 单站协作 想让它自己找目标就选 FOFA
搜集方式 自动判断 / FOFA 语法 / 自然语言意图 见下方说明
FOFA 语法 / 搜集意图 你的查询语句或大白话 见下方示例
手动目标清单 每行一个 URL 选了「手动/两者/单站」时填

两种搜集方式

① 我自己会写 FOFA 语法 → 搜集方式选 FOFA 语法，直接把语句粘进去。例如挖教育网（CERNET）下带「管理」后台的资产：

body="管理" && org="China Education and Research Network Center"

② 不会写语法，只想说要找什么 → 搜集方式选 自然语言意图，用大白话描述，搜集 Agent 会自动翻译成 FOFA 语法并逐轮演化。例如：

找全国高校的统一身份认证登录系统
找某集团的 OA / CRM / ERP / API 网关 / 运维后台资产

留空「搜集方式」= 自动判断：写得像语法就当语法，否则当意图，新手直接用这个即可。

FOFA 语法速查（常用字段）

字段 含义 示例
title= 网页标题 title="后台管理"
body= 网页正文包含 body="管理"
domain= 域名 domain=".edu.cn"
host= 主机名 host="admin.example.com"
org= 所属机构（归属收窄利器） org="China Education and Research Network Center"
cert= / cert.subject.org= 证书信息 cert.subject.org="某某大学"
port= / country= 端口 / 国家 port="8080" && country="CN"

组合逻辑：&&（且）、||（或）、!=（非）。语句越精确、归属越收窄，Worker 越不会打到范围外资产。

高级选项（可留空，用服务端默认）

展开「高级」可按任务单独覆盖：模型 base_url/api_key/模型名、Worker 提示词版本、FOFA key、FOFA 最大页数、Worker 并发数。不填就继承「设置」页的全局默认。

⚠️ 务必收窄授权范围：只搜你有权限测试的资产。org / domain / cert 是最有效的归属过滤手段。

必填 / 推荐配置

变量 必填 说明 获取方式
LLM_API_KEY ✅ 必填 大模型 API Key，平台核心 DeepSeek / OpenAI / 通义 / Kimi 等
LLM_BASE_URL 默认 DeepSeek OpenAI 兼容接口地址（需含 /v1） 默认 https://api.deepseek.com/v1
LLM_MODEL 默认 deepseek-chat 模型名 按模型商填
FOFA_KEY ⭐ 推荐 资产测绘，用于自动搜集目标 FOFA 个人中心
FOFA_BASE_URL 可选，默认官方地址 自定义 FOFA API 端点（私有部署/镜像/代理网关） 默认 https://fofa.info
AUTOHUNTER_API_TOKEN ⭐ 强烈建议 控制台全权限访问令牌，不设则任何人可访问 install.sh 自动生成，或自填随机串
AUTOHUNTER_HOST_PORT 默认 18800 对外访问端口 按需

其余全部参数（Worker 预算、并发、超时、WAF 等）都有合理默认值，见 .env.example 内注释，按需微调即可。 也支持不填 .env、直接在控制台「设置」页填 LLM/FOFA Key——设置会存进数据库，优先级高于 .env。

常用运维命令

docker compose logs -f autohunter     # 实时日志
docker compose restart autohunter     # 重启
docker compose down                    # 停止（数据保留在 volume）
docker compose up -d --build           # 更新代码后重建

数据持久化在 Docker volume：ah_data（SQLite 数据库 + 漏洞证据）、ah_work（Worker 临时工作区）。升级/重启不丢数据。

服务器长期运行 / 开机自启

docker compose up -d 启动的容器默认已配置 restart: unless-stopped——容器崩溃或服务器重启后会自动拉起，一般无需额外操作。

若想让整套服务随系统开机、并托管给 systemd 管理，可加一个 unit：

sudo tee /etc/systemd/system/autohunter.service >/dev/null <<EOF
[Unit]
Description=AutoHunter
Requires=docker.service
After=docker.service

[Service]
Type=oneshot
RemainAfterExit=yes
WorkingDirectory=$(pwd)          # 指向 autohunter 目录
ExecStart=/usr/bin/docker compose up -d --build
ExecStop=/usr/bin/docker compose down

[Install]
WantedBy=multi-user.target
EOF

sudo systemctl daemon-reload
sudo systemctl enable --now autohunter
sudo systemctl status autohunter

（可选）反向代理 + HTTPS：生产环境建议前面挂一层 Nginx/Caddy，做域名 + TLS，再把 AUTOHUNTER_HOST_PORT 只绑到 127.0.0.1 不对公网直接暴露。Caddy 示例（自动签发证书）：

hunt.example.com {
    reverse_proxy 127.0.0.1:18800
}

注意事项 / 避坑

  • 授权边界：只测你有权限的目标。FOFA 语法要收窄归属（域名 / 证书 / org），别让 Worker 打到范围外资产。
  • 访问控制：公网部署务必设 AUTOHUNTER_API_TOKEN，否则控制台和挖洞能力对全网裸奔。内置应用层 WAF 默认开启，但令牌是第一道门。
  • 成本控制：Worker 靠 LLM 驱动，目标越多 token 消耗越大。可用 .env 里的 WORKER_MAX_ROUNDS / *_BUDGET_CAP 收紧预算，或降低任务并发。
  • 资源：每个并发 Worker 会跑真实工具子进程。小内存机器请调小 AUTOHUNTER_AGENT_THREAD_POOL_SIZE 和任务并发数。
  • 网络：服务器需能访问 LLM API 和目标网络。若走代理，给 Docker/容器配好出网。
  • 重启恢复：AUTOHUNTER_RESTORE_ON_STARTUP=1 时重启会自动续跑之前 running 的任务；受限机器可设 0，只起 Web/API。

技术栈

  • 后端：Python 3.12 · FastAPI · SQLAlchemy(SQLite) · asyncio
  • 前端：Vue 3 · Vite
  • 模型：任意 OpenAI 兼容接口（DeepSeek / OpenAI / 通义 / Kimi …）
  • 工具链（容器内置）：nmap · nuclei · sqlmap · httpx · whatweb · curl/wget/jq 等

许可协议

本项目采用 CC BY-NC 4.0（署名-非商业性使用）：

  • ✅ 可自由使用、修改、二次分发
  • ✅ 必须保留原作者署名：Powered By StanleyNull (QQ: 754276250)
  • ❌ 禁止任何商业用途

Powered By StanleyNull · QQ 754276250

仅供授权安全测试与研究 · 请遵守当地法律法规

About

自动化 SRC 漏洞挖掘系统：FOFA 资产测绘 + LLM 多 worker 自主挖掘/审核/情报沉淀。Powered By StanleyNull

Resources

Readme

License

View license
Activity

Stars

20 stars

Watchers

0 watching

Forks

7 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages