lumoslab-innovation/openhunteraiRed team de IA local-first para seguridad de aplicaciones web, API y LLM. Razonamiento estilo atacante, hallazgos respaldados por evidencia y habilidades para agentes de codificación de IA.
Tu equipo rojo de IA local.
Razonamiento estilo atacante para la seguridad de aplicaciones web, API y LLM.
Inicio rápido · Habilidad de agente · Modelo de evaluación · Arquitectura · Documentación · Historial de estrellas
OpenHunterAI reúne el alcance, la actividad de escaneo, los hallazgos y la remediación en un único espacio de trabajo local. Comienza sin una cuenta, conecta tus proveedores de modelos y evalúa aplicaciones públicas verificadas que posees o estás autorizado a probar.
| Capacidad | Qué obtienes |
|---|---|
| Espacio de trabajo local | Sin registro; proyectos y registros de escaneo en tu base de datos local |
| Alcance explícito | Verificación de dominio, planes deterministas, puertas de aprobación humana |
| Múltiples fuentes de señales | Inspección del navegador, reconocimiento, ZAP y un adaptador de Nuclei |
| Investigación asistida por IA | Límites de los adaptadores OpenHack/Strix; trae tus propios entornos de ejecución |
| Evidencia y remediación | Hallazgos saneados, brechas de cobertura, guía de corrección, retest manual |
| Flujo de trabajo portátil | Una habilidad para Codex, Claude Code, Gemini CLI, Grok Build y OMP |
Alpha. La cobertura de integración depende de los entornos de ejecución configurados. Un espacio de trabajo saludable o un informe vacío no demuestran que un objetivo sea seguro.
OpenHunterAI conserva el núcleo útil de los requisitos técnicos 48bf9036: evalúa el comportamiento observable externamente desde la perspectiva de un atacante. No se requiere código fuente. Cada ejecución permanece limitada a un objetivo público verificado y un alcance aprobado.
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"]
| Etapa | Resultado | Control |
|---|---|---|
| Bloqueo de alcance | Host verificado, rutas aprobadas, plan de escaneo | Autorización antes de que comience el trabajo |
| Mapeo de superficie | Señales del navegador y de reconocimiento | Solo superficie pública dentro del alcance |
| Línea base | Respuestas normales y contexto de cobertura | Workers acotados y políticas de adaptadores |
| Prueba de hipótesis | Señales de seguridad candidatas | Sin acciones destructivas; la validación sensible requiere aprobación |
| Puerta de evidencia | Hallazgo saneado y reproducible | Separar las señales observadas del juicio del analista |
| Informe y retest | Guía de corrección, limitaciones, confirmación manual | Un humano es responsable de las decisiones de impacto y del cierre |
Las descripciones de OpenAPI/Swagger, los ejemplos de Postman, las capturas HTTP saneadas y las cuentas de prueba dedicadas pueden ayudar a definir la superficie de prueba acordada. La importación o retención automatizada de tráfico sensible sin procesar no es una capacidad prometida.
Requiere Git, Node.js 22+ y Docker con Compose v2.
git clone https://github.com/LumosLab-Innovation/OpenHunterAI.git
cd OpenHunterAI
node ops/local.mjs start
Abre localhost:3001. El primer inicio compila las imágenes,
aplica las migraciones de la base de datos y crea un .env.local privado con secretos generados.
.env.local; ejecuta node ops/local.mjs restart.| Comando | Propósito |
|---|---|
node ops/local.mjs status | Inspeccionar servicios |
node ops/local.mjs logs public-api | Diagnosticar errores de API |
node ops/local.mjs stop | Detener; conservar los volúmenes de la base de datos |
Incluido: inspección del navegador, ZAP, reconocimiento y el adaptador de Nuclei.
Trae por separado: los entornos de ejecución OpenHack y Strix.
Captura target-login interactiva opcional: node ops/local.mjs start --with-browser.
Antes de escanear, resuelve el bloqueador de la política de plantillas de Nuclei. El adaptador está empaquetado, pero aún no se proporciona un paquete de plantillas revisado.
Local significa que el espacio de trabajo se ejecuta en tu máquina, no permiso para escanear localhost/redes privadas. Mantén sus puertos en loopback. Configuración, configuración de modelos y solución de problemas →
Ejecuta en el repositorio de la aplicación que quieres que tu agente evalúe:
npx --yes skills add LumosLab-Innovation/OpenHunterAI --skill openhunter --agent codex claude-code gemini-cli grok --yes
Recarga tu agente de codificación, luego pregunta:
Usa OpenHunter para revisar mi espacio de trabajo y preparar una evaluación de seguridad con alcance definido. Espera mi aprobación antes de iniciar un escaneo.
OMP descubre la instalación compartida de .agents/skills a través de su proveedor de Agents.
La habilidad incluye un asistente de API de solo lectura; la instalación no inicia
un escaneo. Compatibilidad de clientes →
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
La API pública construye el plan; los workers de Go lo ejecutan a través de adaptadores acotados. Las señales pasan por la política de hallazgos antes de entrar en los informes. La generación de informes es un servicio de backend, no un worker de escaneo separado.
Entorno de ejecución y flujo de datos · Mapeo de workers · Configuración de integración