dhunter

⚠️ 仅供学术交流与安全研究使用 · 禁止用于任何非法或盈利行为。 请确保所有测试目标均已获得授权。

它不是漏扫，而是一个"手动化"的渗透测试 agent

传统漏扫器只会跑 CVE 指纹和已知 payload。Dhunter 让一个（未来多个）LLM agent 驱动一套精选工具，像真人渗透测试员那样思考与行动：

• 先做侦察（子域 / JS / 指纹 / 历史 URL），把攻击面摸清；
• 再规划攻击意图，一个黑板（blackboard）协调多个 worker 并行探索；
• 每个结论都要先验证再上报——SRC 验收门禁会机械重放你的 PoC，时变噪声会被自动驳回；
• 最终把确认的漏洞汇总成一份 Markdown 报告。

📸 真实效果

下面这张攻击链图来自一次真实的授权测试（Typecho 博客靶场）：agent 自主构建了 49 条事实、7 个攻击意图，把 .git 暴露、XML-RPC SSRF、install.php 等发现串成完整的攻击链。

平台主界面与核心功能：

✨ v0.7.1 新增（库 / MCP 扩展中心 / External 工具）

新增一级菜单 库（侧栏中部），里面分三个 tab：

MCP 扩展 — 把你自己的 MCP server 接进来。工具以 <server>::<tool> 命名空间暴露给 Agent，与内置 22 个工具并行。修改后点「同步到 Agent」即时生效，不必重启。

• 每行显示「● Agent 已同步 · 58 秒前」+ per-row 状态指示（绿/红/灰点 + 工具数）
• 私网 / loopback / 云元数据 URL 自动加 ⚠ 黄色提示（不阻断，本地 MCP 合法）
• Token 仅在 Create 响应中明文返回一次
• 工具数量上限保护（单 server 100，整个 external 池 300）

Skills — agent 的可复用工作流（系统 prompt / 提示策略），按场景启用。3 个内置技能种子（Web 攻击面排查 / API Fuzz 工作流 / 漏洞报告写作），可基于此创建自定义副本。

模板 — 行业场景包（OWASP Top 10、API Fuzz 入门、JS 深度审计），一键导入。

RunDetail 工具活动面板：命名空间工具自动加 EXTERNAL 标签，与内置工具一眼区分。

✨ 核心特性

🚀 快速开始

环境要求

一键启动（推荐）

# 先装外部扫描器（可选，缺失会自动跳过）
./scripts/setup-tools.sh                                   # macOS / Linux
powershell -ExecutionPolicy Bypass -File scripts\setup-tools.ps1   # Windows

# 启动三件套
./scripts/start-dhunter.sh start                           # macOS / Linux
powershell -ExecutionPolicy Bypass -File scripts\start-dhunter.ps1 start   # Windows

启动后打开 http://127.0.0.1:13343/。

首次运行的登录账号会自动生成，在启动横幅（终端 / 日志）中可见：

╔════════════════════════════════════════════════════════╗
║                       Dhunter                          ║
╚════════════════════════════════════════════════════════╝
  ONLINE  http://127.0.0.1:13343/
  ADMIN SETUP REQUIRED
    username: admin
    password: <随机生成，仅显示一次>
    token:    <随机生成>

登录后可在设置 → 登录账号里修改用户名和密码。之后每次重启登录凭据保持不变。

使用流程（用户视角）

1. 授权目标 → 新建目标：填目标（公司/域名/URL/IP）、目标说明、可选身份会话与红线，按需设置并发 worker 数
2. 启动评估 → 平台自动跑：planner 规划攻击意图 → 多 worker 并行探索 → 每落地一条漏洞立即机械重放验证
3. 实时跟踪 → 运行详情页看 agent 思考流、工具调用、攻击图；扫到一半可 ⏸ 暂停，之后 ▶ 继续
4. 导出报告 → 目标卡「导出报告」一键打包该项目全部漏洞（Markdown，含 PoC/复现/证据）；运行详情也有单次 Markdown 报告

手动启动（从源码）

# 0. （推荐）一次性生成并导出三进程一致的 token（agent 复用平台 token）
source scripts/dev-env.sh

# 1. 构建前端（仓库已带预构建 dist，无需 Node 即可启动；改过前端源码才需要重 build）
cd frontend && npm install && npm run build && cd ..

# 2. 构建 Go 平台（server + MCP 工具）
go build -o bin/dhunter-server ./cmd/dhunter-server
go build -o bin/dhunter-mcp    ./cmd/dhunter-mcp

# 3. 启动 Python agent（黑板引擎；token 与平台一致，三进程一个标准）
cd agents
pip install -r requirements.txt
python -m core.server          # 127.0.0.1:9100
cd ..

# 4. 启动 server（自动 serve 前端 dist）
./bin/dhunter-server --config configs/dhunter.yaml   # 127.0.0.1:13343
# admin token 未配置时会自动生成随机值并持久化（横幅/日志可见）；可用
# DHUNTER_ADMIN_TOKEN 显式指定

# 5. （可选）外部扫描器
./scripts/setup-tools.sh

不用 dev-env.sh 也可以：只要保证 Python agent 的 DHUNTER_AGENT_TOKEN 与 Go server 的 DHUNTER_AGENT_TOKEN 一致（推荐都用平台 admin token）， MCP 用独立 token 并同时传给 dhunter-mcp -t 与 DHUNTER_MCP_TOKEN。

🧰 外部工具依赖（可选）

Dhunter 核心服务零外部依赖（Go 单二进制 + 进程内 HTTP）。外部扫描器是可选的——未安装时平台会自动跳过并提示改用替代方法（graceful degradation），不影响核心漏洞挖掘。

一键安装全部扫描器：

# macOS / Linux
./scripts/setup-tools.sh

# Windows
powershell -ExecutionPolicy Bypass -File scripts\setup-tools.ps1

安装后二进制落在 tools/bin/，启动脚本自动加入 PATH。也可手动安装：

缺少某个扫描器不会报错——agent 会收到"[工具 xxx 未安装] 已跳过，可改用替代方法"的提示并自动换工具。

配置 LLM

Dhunter 兼容 Anthropic / OpenAI 协议（DeepSeek / MiniMax / Qwen / GLM / Claude…）。在设置页填入模型、Base URL、API Key 并测试连接，或在 configs/dhunter.yaml 配置：

llm:
  provider: anthropic
  model: "deepseek-chat"
  base_url: "https://api.deepseek.com/anthropic"
  api_key: "sk-..."

🏗 架构

┌────────────────┐     ┌────────────────┐     ┌─────────────────┐
│  Vue 3 Web UI  │ ←─→ │ Go HTTP + SSE  │ ←─→ │ Python Agent    │
│  (Vite build)  │     │  (Gin)         │     │ (黑板 + worker) │
└────────────────┘     └────────────────┘     └────────┬────────┘
                              │                        │
                              ↓                        ↓
                       ┌────────────┐         ┌──────────────┐
                       │  SQLite    │         │  MCP 工具集  │
                       │ targets /  │         │  侦察 / 指纹  │
                       │ runs /     │         │  主动测试     │
                       │ vulns /    │         │  报告         │
                       └────────────┘         └──────────────┘

运行流程：origin/goal 事实 种入黑板 → planner（reason）提出攻击意图 → 多 worker 并行探索并回写事实 → 收敛 → verifier 对每条漏洞做机械重放验收 → 生成报告。worker 之间不直接通信，全靠黑板协调（stigmergy）。

⚙️ 配置

环境变量：DHUNTER_PORT / DHUNTER_SQLITE_PATH / DHUNTER_LLM_API_KEY / DHUNTER_ADMIN_TOKEN / DHUNTER_AGENT_TOKEN / DHUNTER_MCP_TOKEN 等均可覆盖 YAML。

🔐 三进程一个鉴权标准：Go server（13343）、Python agent（9100）、MCP（9124） 全部使用 Bearer token 鉴权（agent 侧通过 DHUNTER_AGENT_TOKEN 启用）。 登录接口带每 IP 限速（默认 10 次/分钟），防止口令爆破。

🔧 常用命令

./scripts/start-dhunter.sh status   # 查看三件套状态
./scripts/start-dhunter.sh stop     # 停止
./scripts/start-dhunter.sh logs     # 跟踪日志

📝 完整更新日志请查看 GitHub Releases。

⚠️ 免责声明

Dhunter 是一个安全研究与教育培训工具。

• 仅供学术交流、安全研究与技术讨论使用；
• 严禁用于任何非法活动、未授权测试或盈利行为；
• 使用者必须确保所有测试目标已获得明确授权；
• 使用者应对自身行为及其后果承担全部责任，作者不对任何滥用行为负责。

详见 LICENSE。

📜 License

非商业学术许可（Non-Commercial Academic License） — 允许学术交流与安全研究使用，禁止任何商业与盈利行为。