Skip to content
KitploitKITPLOIT
ToolsExploitsBlog
Log in
Einreichen
ToolsExploitsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

FeedsKontaktDatenschutz© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
OpenHunterAI — Local-first KI-Red-Team für Web-, API- und LLM-Anwendungssicherheit. Angreiferorientierte Argumentation, evidenzbasierte Befunde und Skills für KI-Coding-Agents. | Kitploit
Tools/GitHubGitHub/lumoslab-innovation/openhunterai
DefensivwerkzeugeAufklärungSchwachstellenscannerWeb-SchwachstellenscannerScripting & AutomatisierungAPI-SicherheitstestsInformationsbeschaffungWebsicherheit
Penetrationstests
Red Teaming
API-Sicherheit
KI-Sicherheit
GitHublumoslab-innovation/openhunterai

OpenHunterAI

Local-first KI-Red-Team für Web-, API- und LLM-Anwendungssicherheit. Angreiferorientierte Argumentation, evidenzbasierte Befunde und Skills für KI-Coding-Agents.

Repository anzeigenWebseite
34665120vor 26 TagenVon Kitploit geprüft
Teilen

OpenHunterAI

OpenHunterAI

Dein lokales KI-Red-Team.
Angreiferähnliches Reasoning für die Sicherheit von Web-, API- und LLM-Anwendungen.

CI Preview release PolyForm Noncommercial license GitHub stars

Projekt-Website · Schnellstart · Agent-Skill · Bewertungsmodell · Architektur · Dokumentation · Star-Verlauf

OpenHunterAI vereint Scope, Scan-Aktivität, Findings und Behebung in einem lokalen Workspace. Starte ohne Konto, verbinde deine Modell-Provider und bewerte verifizierte öffentliche Anwendungen, die dir gehören oder für die du eine Testautorisierung hast.

Die öffentliche Landingpage stellt das Projekt vor; der operative Workspace läuft lokal. Siehe öffentliche versus lokale Builds.

FähigkeitWas du bekommst
Lokaler WorkspaceKeine Registrierung; Projekte und Scan-Datensätze in deiner lokalen Datenbank
Expliziter ScopeDomain-Verifizierung, deterministische Pläne, Freigabeschranken durch Menschen
Mehrere SignalquellenBrowser-Inspektion, Recon, ZAP und ein Nuclei-Adapter
KI-gestützte UntersuchungOpenHack/Strix-Adapter-Grenzen; bring deine eigenen Runtimes mit
Nachweise & BehebungBereinigte Findings, Abdeckungslücken, Fix-Hinweise, manueller Retest
Portabler WorkflowEin Skill für Codex, Claude Code, Gemini CLI, Grok Build und OMP

Alpha. Die Integrationsabdeckung hängt von den konfigurierten Runtimes ab. Ein fehlerfreier Workspace oder ein leerer Bericht beweist nicht, dass ein Ziel sicher ist.

Bewertungsmodell

OpenHunterAI behält den nützlichen Kern der 48bf9036 technischen Anforderungen: externe beobachtbare Verhaltensweisen aus der Perspektive eines Angreifers bewerten. Quellcode ist nicht erforderlich. Jeder Lauf bleibt auf ein verifiziertes öffentliches Ziel und einen genehmigten Scope beschränkt.

flowchart LR
  S["1. Lock scope"] --> M["2. Map surface"]
  M --> B["3. Establish baseline"]
  B --> H["4. Test bounded hypotheses"]
  H --> E["5. Gate evidence"]
  E --> R["6. Report and retest"]
PhaseErgebnisKontrolle
Scope-LockVerifizierter Host, genehmigte Pfade, Scan-PlanAutorisierung vor Arbeitsbeginn
Oberflächen-MappingBrowser- und Recon-SignaleNur öffentliche, im Scope liegende Oberfläche
BaselineNormale Antworten und AbdeckungskontextBegrenzte Worker und Adapter-Richtlinien
HypothesentestsKandidaten für SicherheitssignaleKeine destruktiven Aktionen; sensible Validierung erfordert Genehmigung
Evidenz-GateBereinigter, reproduzierbarer BefundBeobachtete Signale von Analystenbewertung trennen
Bericht und RetestHinweise zur Behebung, Einschränkungen, manuelle BestätigungEin Mensch entscheidet über Auswirkungen und Abschluss

OpenAPI/Swagger-Beschreibungen, Postman-Beispiele, bereinigte HTTP-Mitschnitte und dedizierte Testkonten können helfen, die vereinbarte Testoberfläche zu definieren. Automatisierter Import oder die Aufbewahrung roher sensibler Datenverkehrsdaten ist keine zugesagte Fähigkeit.

Schnellstart

Erfordert Git, Node.js 22+ und Docker mit Compose v2.

git clone https://github.com/LumosLab-Innovation/OpenHunterAI.git
cd OpenHunterAI
node ops/local.mjs start

Öffne localhost:3001. Beim ersten Start werden die Images erstellt, Datenbankmigrationen angewendet und eine private .env.local mit generierten Secrets erzeugt.

  1. Lege Provider-Keys und Modell-IDs in .env.local fest; führe node ops/local.mjs restart aus.
  2. Erstelle ein Projekt und verifiziere seine öffentliche Domain.
  3. Autorisiere den Scope, starte einen Scan und überprüfe dessen Aktivität und Abdeckung.
BefehlZweck
node ops/local.mjs statusDienste inspizieren
node ops/local.mjs logs public-apiAPI-Fehler diagnostizieren
node ops/local.mjs stopStoppen; Datenbank-Volumes behalten

Enthalten: Browser-Inspektion, ZAP, Recon und der Nuclei-Adapter. Separat bereitstellen: OpenHack- und Strix-Runtimes. Optionale interaktive target-login-Erfassung: node ops/local.mjs start --with-browser.

Vor dem Scannen ist der Nuclei-Template-Policy-Blocker zu beheben. Der Adapter ist paketiert, aber ein geprüftes Template-Bundle wird noch nicht bereitgestellt.

Lokal bedeutet, dass der Workspace auf deiner Maschine läuft, nicht die Berechtigung, localhost/private Netzwerke zu scannen. Halte seine Ports auf Loopback. Einrichtung, Modellkonfiguration und Fehlerbehebung →

Coding-Agent-Skill

Führe dies im Anwendungs-Repository aus, das dein Agent bewerten soll:

npx --yes skills add LumosLab-Innovation/OpenHunterAI --skill openhunter --agent codex claude-code gemini-cli grok --yes

Lade deinen Coding-Agent neu und frage dann:

Verwende OpenHunter, um meinen Workspace zu prüfen und eine abgegrenzte Sicherheitsbewertung vorzubereiten. Warte auf meine Freigabe, bevor du einen Scan startest.

OMP entdeckt die gemeinsame .agents/skills-Installation über seinen Agents-Provider. Die Skill enthält einen schreibgeschützten API-Helfer; die Installation startet keinen Scan. Client-Kompatibilität →

Architektur

flowchart LR
  UI["Local workspace<br/>React + Vite"] --> API["Public API<br/>Scope + scan plan"]
  API --> BUS["NATS<br/>Orchestrator + workers"]
  BUS --> EVIDENCE["Internal API<br/>Findings + reporting"]
  EVIDENCE --> DB[("Postgres")]
  API <--> DB
  API -->|"Activity + reports"| UI

Die öffentliche API erstellt den Plan; Go-Worker führen ihn über begrenzte Adapter aus. Signale durchlaufen die Findings-Richtlinie, bevor sie in Berichte gelangen. Das Reporting ist ein Backend-Dienst, kein separater Scan-Worker.

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

Noch keine Beliebtheitsdaten.

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →
Tool herunterladen