Gaia - Descubrimiento de superficie de ataque y triaje asistido por IA

Gaia es una herramienta de análisis de superficie de ataque centrada en la CLI que descubre endpoints y parámetros, reduce el ruido y resalta riesgos relevantes para la seguridad mediante heurísticas estáticas y razonamiento opcional de IA. Orquesta Katana, gau, arjun, linkfinder y uro para convertir colecciones de URLs sin procesar en una vista normalizada y consciente del riesgo, adecuada para flujos de trabajo de bug bounty, AppSec e ingeniería de seguridad.

Gaia no es un escáner de vulnerabilidades automatizado. Mapea la superficie de ataque, aplica heurísticas deterministas y puede usar LLM para generar sugerencias de pruebas. Los hallazgos son orientación, no vulnerabilidades confirmadas. Se requiere validación manual. La salida de la IA es orientativa y no autoritativa; úsala para decidir dónde enfocarse y cómo probar.

Qué hace Gaia

Gaia se centra en la señal frente al ruido. Permite:

• Rastrear aplicaciones en vivo
• Recopilar URLs históricas
• Extraer parámetros
• Normalizar y deduplicar endpoints
• Analizar JavaScript en busca de endpoints, URLs, secretos, correos electrónicos y archivos
• Aplicar heurísticas de seguridad deterministas
• Enriquecer opcionalmente los hallazgos con razonamiento basado en LLM (acotado y optimizado)

El resultado es un mapa rápido y legible de lo que importa en la superficie de ataque de una aplicación.

Para quién es

• Cazadores de bug bounty que hacen reconocimiento y triaje rápidos
• Ingenieros de AppSec que mapean superficies de ataque
• Ingenieros de seguridad que automatizan el análisis en etapas tempranas
• Desarrolladores que quieren visibilidad sobre endpoints y parámetros expuestos

Características principales

• Rastreo en vivo mediante Katana
• Descubrimiento de URLs históricas mediante gau
• Descubrimiento de parámetros mediante arjun + análisis de consultas
• Normalización y deduplicación de URLs con uro
• Analizador de JS para una extracción de JS con menos ruido
• Heurísticas de riesgo estáticas (IDOR, SSRF, auth, traversal, inyección, etc.)
• Análisis opcional asistido por LLM (acotado, minimizado, rápido)
• Reducción de ruido: filtrado de activos estáticos, filtrado de parámetros de seguimiento/basura
• Diseño centrado en el rendimiento: llamadas de IA acotadas, payloads compactos, instantáneas de respuesta ligeras

Cómo funciona (proceso)

1. Resolver las herramientas externas
2. Rastrear el objetivo (Katana)
3. Recopilar URLs históricas (gau)
4. Análisis de JS
5. Extraer parámetros (arjun + análisis)
6. Normalizar y deduplicar URLs (uro)
7. Analizar (estático + IA opcional)
8. Generar el informe

Cada etapa informa cuántas URLs o parámetros descubrió.

Uso

Escaneo básico

gaia -u https://example.com

Desactivar etapas específicas

gaia -u https://example.com --no-gau --no-ai

Leer URLs desde stdin

cat urls.txt | gaia --stdin

Ejemplo de ejecución en CLI

Demostración de la CLI de Gaia: rastreo, normalización y análisis asistido por IA

Instalación

Requisitos

• Python 3.10+
• (Opcional) virtualenv
• Cadena de herramientas de Go (para la autoinstalación de katana / gau)

Configuración

python3 -m venv venv
source venv/bin/activate
pip install -e .

Las herramientas externas (katana, gau, arjun, linkfinder, uro) se pueden autoinstalar si están habilitadas.

Banderas de CLI

• -u, --url URL objetivo
• --stdin Leer URLs desde stdin
• --no-gau Desactivar la recopilación de URLs históricas
• --no-arjun Desactivar el descubrimiento de parámetros de arjun
• --no-linkfinder Desactivar el descubrimiento de JS de linkfinder
• --no-uro Desactivar la normalización de URLs
• --no-js-analyzer Desactivar la etapa del analizador de JS
• --js-max-fetches N Máximo de archivos JS a obtener para el análisis
• --no-ai Desactivar el razonamiento de IA
• --show-assets Mostrar los activos estáticos en la salida
• --only-params Mostrar solo endpoints con parámetros
• --auto-install Autoinstalar las herramientas faltantes
• --max-urls N Limitar las URLs recopiladas
• --format console|md|json Formato de salida
• --output PATH Escribir el informe en un archivo
• -h, --help Mostrar ayuda

Variables de entorno

IA / LLM

• GAIA_LLM_MODEL Nombre del modelo para LiteLLM (necesario para habilitar la IA)
• GAIA_LLM_MAX_ENDPOINTS Máximo de endpoints enviados al LLM (predeterminado: 15)
• GAIA_LLM_INCLUDE_RESPONSES Incluir instantáneas de respuestas HTTP (predeterminado: true)
• GAIA_LLM_MAX_RESPONSES Máximo de instantáneas a obtener (predeterminado: 50)
• GAIA_LLM_MAX_BODY_CHARS Máximo de caracteres del cuerpo de la respuesta (predeterminado: 4000)

Conmutadores de funciones

• GAIA_DISABLE_AI
• GAIA_DISABLE_GAU
• GAIA_DISABLE_ARJUN
• GAIA_DISABLE_LINKFINDER
• GAIA_DISABLE_URO
• GAIA_DISABLE_JS_ANALYZER

Depuración

• GAIA_VERBOSE
• GAIA_DEBUG
• GAIA_LLM_DEBUG
• GAIA_JS_MAX_FETCHES
• GAIA_JS_MAX_CHARS

Notas y modos:

• Modo rápido: desactiva la IA y las herramientas históricas (--no-ai --no-gau) para un reconocimiento rápido.
• Modo profundo: habilita todas las herramientas y la IA con GAIA_LLM_MODEL configurada; aumenta GAIA_LLM_MAX_ENDPOINTS si necesitas una cobertura de IA más amplia.
• Modo de triaje: mantén la IA activada pero confía en los valores predeterminados (endpoints acotados, payloads minimizados) para un equilibrio entre velocidad y cobertura.

Configuración de LiteLLM / IA

La IA es opcional. Gaia funciona completamente sin ella.

Uso de OpenAI:

• GAIA_LLM_MODEL (ejemplo: gpt-4o-mini o gpt-4.1)
• OPENAI_API_KEY: LiteLLM enruta las solicitudes a OpenAI según estas variables.

Uso de Google Gemini

• GAIA_LLM_MODEL (ejemplo: gemini/gemini-1.5-pro)
• GOOGLE_API_KEY: LiteLLM enruta las solicitudes a Gemini según estas variables.

Uso de modelos locales (Ollama / LM Studio)

• GAIA_LLM_MODEL (ejemplo: ollama/llama3 u ollama/qwen2.5)
• LiteLLM se conecta al endpoint local; no se requiere clave de API para los modelos locales.

Salida

Salida en consola

• Tabla de endpoints (filtrada, legible)
• Etiquetas de riesgo por parámetro
• Estadísticas resumidas
• Indicador de progreso de la IA (en una sola línea)

Notas de parámetros

Al final del informe, Gaia imprime notas agregadas de parámetros:

• Por qué un parámetro parece arriesgado
• Dónde se observó
• Ideas prácticas de pruebas

Otros formatos

• JSON (legible por máquina)
• Markdown (listo para informes)

Notas de rendimiento

• Las llamadas de IA están estrictamente acotadas
• Los payloads se minimizan y se acortan sus claves
• Los activos estáticos y los parámetros basura se omiten
• Las respuestas 2xx envían solo content-type + un fragmento corto
• Diseñado para seguir siendo rápido incluso en superficies grandes

Contribución

Las contribuciones son bienvenidas. Mantén los PR enfocados y legibles. Se fomentan las mejoras en heurísticas, rendimiento, filtrado, prompts de IA y documentación. Para cambios más grandes, abre un issue para discutirlo primero.

Licencia

MIT

Aviso legal

Gaia es una herramienta de reconocimiento y análisis. Prueba siempre de forma responsable y únicamente contra sistemas que estés autorizado a evaluar.