前言
抛开大模型的 Token 成本不谈，让 AI 进行全自动漏洞挖掘，我们只需最后做人工复核，确实能解放双手。本文基于开源项目 AutoHunter 实践一次 EduSRC 场景下的环境搭建与单站点漏洞挖掘，看看效果如何。
环境搭建
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小时不间断的挖洞平台，自己只做“人工复审员”。它的工作流大致如下：
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/手动录入目标 ↑ LLM + 真实工具链（nmap/nuclei/sqlmap/httpx/JS 分析…）
各组件职责清晰：
- 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，只把够格的漏洞送到人工面前。
- 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。
安装示例（Windows + WSL2）
作者提供了全平台支持，这里以 Windows 为例。
-
装 WSL2（管理员 PowerShell）：
wsl --install
装完重启。
-
装 Docker Desktop：安装时勾选 “Use WSL 2 based engine”，启动后在 Settings → Resources → WSL Integration 中打开集成。
-
拉代码 + 部署（在 WSL 终端或 Git Bash 里执行）：
git clone https://github.com/StanleyNull/AutoHunter.git autohunter
cd autohunter
bash scripts/install.sh
如果只想用 PowerShell，也可以走手动部署：
copy .env.example .env
# 编辑 .env 后执行
docker compose up -d --build
-
浏览器访问 http://localhost:18800/。
> 💡 建议把代码放在 WSL 文件系统内（如 ~/autohunter），比放在 C:\ 挂载盘性能好很多。
使用 Claude 辅助安装
如果懒得逐条敲命令，可以把上述步骤保存为 1.txt，然后让 Claude 帮你完成：
claude --dangerously-skip-permissions
输入指令：
我想要安装autohunter，读取1.txt文件，利用已有环境，帮我安装完成，如果需要其他环境配置，可以自行安装
安装完成后，系统会提示缺少 LLM API Key。打开 DeepSeek 开放平台 创建一个 API Key，然后回到 Claude 执行：
帮我把这个key配置一下，sk-9973a8c94，然后告诉我使用方法
容器重建后，环境即全部就绪。
渗透测试：单站点漏洞挖掘
进入控制台
访问 http://localhost:18800，输入安装时生成的访问令牌登录。
新建任务
点击「新建任务」：
- 任务名称：随意（如
test1111）
- 目标来源：四种模式可选
- FOFA 自动搜：需要配置 FOFA Key，直接给语法就行
- 手动清单：一行一个 URL
- 两者：两者并用
- 单站协作：输入单一 URL，协同攻击
- 漏洞类型：勾选要检测的类型，例如
sql_injection,rce,unauthorized_access,idor,file_upload,captcha_bypass
这里因为 Token 预算有限，选择「单站协作」，填入一个之前遇到过的登录框目标 URL，保持默认审核规则，创建任务。
工作流与实时看板
任务启动后，可以看到三阶段的协同流程：
- 侦察盘点：通过
site_map、site_js 摸清全站入口、API 与前端密钥。
- 主题深挖：认证越权、未授权配置、文件操作、注入/RCE、业务逻辑等五路分头深挖。
- 定向追打：围绕侦察发现的具体 API 逐项验证打穿。
在「实时看板」中可以查看每个 Worker 的日志，在「复审队列」中可以看到已产出的漏洞。
漏洞验证
本文测试至少跑出了三个漏洞，重点关注以下两个：
1. 前端 JS 硬编码 Token
前端文件 front_main.js 中硬编码了完整的 x-token 认证令牌。攻击者可直接用它访问所有管理后台 API 接口。
2. 管理员/用户密码哈希泄露
利用第一个漏洞获取的 token 访问 AdminGetUsersOfficialListURL 接口，成功导出管理员及系统所有用户的密码哈希、姓名、手机号、学校 ID 等敏感数据。
AI 审核结论也给出了完整的攻击链路：JS 审计 → 凭证提取 → 未授权访问验证，证据充分。
此外，平台还提供了「全局硬骨头库」，用于汇总那些多次尝试仍无法打穿的目标，方便复盘和判断收敛质量，设计上比较合理。
总结
总体来看，AutoHunter 在单站协作场景下表现不错，能够自动完成从侦察到漏洞验证的完整流程，并通过 AI 初审过滤掉大量误报。如果配置好 FOFA API Key 并结合批量 URL，完全可以实现 7×24 无人工干预的全自动挖掘。
不过要注意成本控制。以本次测试为例，仅扫描一个目标约 33% 的进度，DeepSeek 的 Token 消耗就不算低。如果长期大规模跑 EDU 漏洞，建议仔细核算大模型费用，或者寻找性价比更高的 API 方案。
发表于 4 小时前
|
查看: 4|
回复: 0
