🧠 NeuroSploit v3.6.5

Harness di penetration testing autonomo e multi-modello — Rust, solo CLI.
di Joas A Santos & Red Team Leaders

⭐ Se ti è utile, metti una stella al repo — aiuta molto.

📖 Nuovo qui? Leggi la Guida completa & Tutorial → — ogni modalità, flag, configurazione ed esempio spiegati.

🆕 Novità della v3.6.5 — Red-teaming LLM: jailbreak e prompt injection in molti scenari: +12 agenti AI (→ 30, 429 totali) che fanno red-team avversariale a un sistema AI reale come fanno gli strumenti in stile hackagent.dev — tecniche di jailbreak (AdvPrefix, PAIR, TAP, Crescendo, many-shot, persona/DAN, encoding/offuscamento, soppressione del rifiuto) e scenari di prompt injection (diretta, indiretta tramite output RAG/web/email/strumenti, goal hijacking, abuso di tool/chiamate di funzione, esfiltrazione del system prompt). Ogni agente esegue un ciclo attaccante→giudice-LLM — cattura il rifiuto di base, applica la tecnica su più varianti, giudica se la protezione è stata realmente aggirata — dimostrandolo con una ricevuta benigna e oscurata. neurosploit aitest <ai-url>. Inoltre: registrazione self-service di account di test — analizza i moduli dell'app e crea un account benigno (curl o Playwright) per raggiungere la superficie autenticata, con un severo guardrail anti-flood (≤2 account), un credential vault (vault.json, segreti oscurati nel report), una sezione di pulizia "elimina questi account", finding etichettati autenticati / non autenticati, ed email usa-e-getta opt-in (/tempmail, mail.tm gratuito). Validatore human-in-the-loop: i finding incerti ora vengono contrassegnati come needs-review, non eliminati (viene scartato solo il rumore senza alcun supporto) così un essere umano prende la decisione finale. Report in Markdown + JSON oltre a PDF/HTML. Agenti più precisi su app SPA/REST moderne (una metodologia di caccia alle API di livello Juice-Shop) oltre a un RL più robusto per il reward shaping. Nuovi modelli: , , (Moonshot → 15 provider). Storico completo in .

NeuroSploit trasforma un URL, un repository sorgente, un'app in esecuzione o un host/IP in un engagement di sicurezza autonomo. Un harness Rust (tokio) guida un pool di LLM — tramite API key o abbonamento locale (Claude Code / Codex / Gemini / Grok) — esegue la ricognizione del target, seleziona intelligentemente solo gli agenti che corrispondono alla superficie scoperta, li esegue in parallelo, concatena i finding in un impatto più profondo e valida ogni affermazione tramite voto cross-modello + grounding con ricevute degli strumenti prima del report. Include 430 agenti markdown e una Mission Control TUI.

Modalità di engagement

Punti salienti

• 🧠 POMDP belief + value-of-information — il target è parzialmente osservabile, quindi i finding non sono booleani: un belief basato su property graph trasporta probabilità, e la scelta tra "scansiona di più vs sfrutta ora" emerge dall'entropia del belief. Il gate may_assert è una regola matematica anti-allucinazione (non dichiarare sfruttabilità mentre il belief è diffuso).
• 🧾 Grounding — regola ferrea: nessuna affermazione senza ricevuta (evidenza, non parafrasi). Empirica (output grezzo degli strumenti) per black-box/host/AI, simbolica (file:riga nel sorgente analizzato — una citazione del codice è la ricevuta) per le audit white-box SAST & skills, e l'una o l'altra per il grey-box; le affermazioni senza grounding vengono declassate.
• 🔬 Sonda HTTP deterministica — prima della ricognizione del modello, l'harness esegue una vera analisi request/response (status/redirect, header di sicurezza, flag dei cookie, riflessione CORS, fingerprint tecnologico, JS collegati, baseline 404, path ad alto segnale) e inserisce questi fatti osservati nella ricognizione, così la selezione degli agenti e le decisioni di exploit sono basate su evidenze — non sulla supposizione del modello.
• 🔗 Attack chaining — 12 agenti di catena multi-stadio (SQLi→RCE→LPE, SSRF→creds AWS, upload→LFI→RCE→LPE, credenziali di default→domain, …); ogni stadio viene dimostrato prima di avanzare.
• ☁️ Cloud testing — agenti AWS / GCP / Azure che guidano le CLI dei provider (aws/gcloud/az). Collegati tramite creds.yaml: chiavi AWS, un JSON di service account Google o un service principal Azure — vedi .

Questa è la distribuzione snella, solo Rust (neurosploit-rs/ + agents_md/). Il precedente motore Python e le GUI web vivono sul vecchio branch v3.4.0.

📦 Installazione (una riga)

Linux / macOS (x64 & arm64):```bash curl -fsSL https://raw.githubusercontent.com/JoasASantos/NeuroSploit/main/setup.sh | bash

**Windows** (PowerShell, x64 & arm64):```powershell
irm https://raw.githubusercontent.com/JoasASantos/NeuroSploit/main/install.ps1 | iex

Piattaforme supportate

Rust puro + stdlib, quindi si compila nativamente ovunque sia disponibile una toolchain Rust stabile. L'installer rileva automaticamente sistema operativo/architettura e installa Rust se mancante. Su Windows nativo usa install.ps1; in WSL2 / Git Bash funziona anche il one-liner setup.sh.

L'installer installa automaticamente Rust se necessario, clona il repository in ~/.neurosploit, compila il binario di release e collega neurosploit in ~/.local/bin. Eseguilo di nuovo in qualsiasi momento per aggiornare. Personalizza con le variabili d'ambiente: NEUROSPLOIT_REF (branch/tag), NEUROSPLOIT_DIR, PREFIX.

Preferisci compilare a mano?```bash git clone https://github.com/JoasASantos/NeuroSploit && cd NeuroSploit/neurosploit-rs cargo build --release # → target/release/neurosploit

## ⚡ Avvio rapido (60 secondi)```bash
# easiest path — just run it; the interactive session asks everything:
neurosploit

# or one-liner (subscription login, no API key needed):
neurosploit run http://testphp.vulnweb.com/ --subscription --model anthropic:claude-opus-4-8 -v

# white-box — review a source repository (SAST agents, file:line evidence):
git clone https://github.com/digininja/DVWA /tmp/DVWA
neurosploit whitebox /tmp/DVWA --subscription --model anthropic:claude-opus-4-8 -v

# grey-box — review the code AND exploit the running app together:
neurosploit greybox /tmp/DVWA --url http://localhost:8080/ --creds creds.yaml \
  --subscription --model anthropic:claude-opus-4-8 --mcp -v

# host / infra — Linux / Windows / Active Directory (SSH/Win creds in creds.yaml):
neurosploit host 10.0.0.10 --creds creds.yaml --subscription --model anthropic:claude-opus-4-8 -v

# 🛰  Mission Control TUI — live panels (header/feed/findings/targets) + a composer
#    you can type in WHILE the run streams (summary · pause · errors · notes):
neurosploit tui http://testphp.vulnweb.com/ --subscription --model anthropic:claude-opus-4-8 --mcp

Full step-by-step per ogni modalità (black/white/grey/host) è in TUTORIAL.md.

Niente login? Usa invece una API key — vedi Autenticazione.

🔌 Integrazioni (GitHub · GitLab · Jira)

Integra NeuroSploit nel tuo SDLC. Attiva/disattiva dalla REPL (/integrations) o dalla CLI (neurosploit integrations enable github|gitlab|jira). I token non vengono mai salvati — viene salvato solo il nome della variabile d'ambiente; il valore viene letto dal tuo ambiente.```bash export GITHUB_TOKEN=ghp_... # PAT with repo scope (private repos) neurosploit integrations enable github

Review a Pull Request's code (clones the PR head, white-box) and comment back:

neurosploit pr digininja/DVWA 42 --subscription --model anthropic:claude-opus-4-8 --comment

Watch a branch and re-review on every new commit:

neurosploit watch myorg/private-app --branch main --subscription --model anthropic:claude-opus-4-8

Private GitLab repo (token-injected clone) — works in whitebox/greybox:

export GITLAB_TOKEN=glpat-... ; neurosploit integrations enable gitlab neurosploit whitebox https://gitlab.com/myorg/private-svc --subscription --model anthropic:claude-opus-4-8

Open a Jira card per finding (any engagement):

export JIRA_EMAIL=[email protected] JIRA_API_TOKEN=... # set base/project once: /integrations setup jira neurosploit whitebox https://github.com/myorg/app --jira --subscription --model anthropic:claude-opus-4-8

| Integrazione | Cosa ottieni | Variabili d'ambiente |
|-------------|--------------|----------|
| **GitHub** | clone privato · revisione + commento `pr` · branch `watch` | `GITHUB_TOKEN` |
| **GitLab** | clone privato per whitebox/greybox | `GITLAB_TOKEN` |
| **Jira** | una scheda per ogni finding (`--jira`) | `JIRA_EMAIL`, `JIRA_API_TOKEN` |

📖 Configurazione passo-passo per ogni strumento: **[TUTORIAL-INTEGRATION.md](https://github.com/joasasantos/neurosploit/blob/HEAD/TUTORIAL-INTEGRATION.md)**.

---

## ☁️ Credenziali cloud (AWS/GCP/Azure)

Aggiungi un blocco cloud a `creds.yaml` e l'harness esporta le giuste variabili d'ambiente così
gli agenti AWS/GCP/Azure possono utilizzare `aws` / `gcloud` / `az`. I segreti restano nel tuo
file/secret-manager; gli agenti eseguono **prima enumerazione in sola lettura, mai distruttiva**.```yaml
# --- AWS: static keys (or a named profile) ---
aws:
  access_key_id: AKIA...
  secret_access_key: ...
  # session_token: ...        # if using temporary creds
  region: us-east-1
  # profile: my-sso-profile   # alternative to keys

# --- GCP: service-account JSON (path recommended; inline single-line also works) ---
gcp:
  service_account_json: /path/to/sa.json
  project: my-project-id

# --- Azure: service principal (recommended for automation) ---
azure:
  tenant_id: ...
  client_id: ...
  client_secret: ...
  subscription_id: ...

I don't see any content to translate. The input section is empty. Please provide the Markdown chunk you'd like me to translate.```bash neurosploit host my-cloud-account --creds creds.yaml
--subscription --model anthropic:claude-opus-4-8 -v

Gli agenti coprono l'escalation dei privilegi IAM, l'esposizione dello storage (S3/GCS/Blob), compute e
rete, i segreti (Secrets Manager / Secret Manager / Key Vault),
l'abuso di service-account/SP e l'enumerazione delle identità (Entra ID). Best-practice
autenticazione: **AWS** access key o profilo; **GCP** un service-account JSON
(`GOOGLE_APPLICATION_CREDENTIALS`); **Azure** un service principal
(`az login --service-principal`).

---

## 👥 Identità multiple — test del controllo accessi (IDOR / BOLA / BFLA)

Fornisci a NeuroSploit due o più **ruoli nominati** in `creds.yaml` e si autenticherà
come ciascuno di essi e testerà l'accesso **cross-role** (un ruolo a bassi privilegi che raggiunge l'oggetto di un altro
utente o una funzione amministrativa è un finding):```yaml
admin:
  jwt: eyJ...                 # per role: jwt | header (raw) | cookie | apikey | login+username+password
user:
  apikey: abc123              # → X-Api-Key: abc123
victim:
  cookie: "session=deadbeef"

No input content was provided for translation. Please supply the chunk text you want translated.```bash neurosploit run https://app.example --creds creds.yaml
--subscription --model anthropic:claude-opus-4-8 -v

Ogni risultato è dimostrato con la coppia di richieste **autorizzata vs non autorizzata**, sotto
il guardrail di protezione dei dati (sola lettura, PII mascherate).

## 🏷️ Identificazione e attribuzione (anti-plagio)

Ogni richiesta è contrassegnata con un **User-Agent** identificativo (predefinito
`NeuroSploit/<ver> …`, modificabile con **`/ua`** o `NEUROSPLOIT_UA`) oltre a un
header `X-NeuroSploit-Scan`, e ogni risultato è **marcato** "Identified and
validated by NeuroSploit" — così la provenienza viaggia nel traffico, nel testo
del risultato, in `findings.json` e nel piè di pagina del report.

---

## Compilazione```bash
cd neurosploit-rs
cargo build --release        # → target/release/neurosploit

Richiede un toolchain Rust (rustup). Consigliato: eseguire su Kali Linux (o sull'immagine Docker di Kali) così gli strumenti offensivi usati dagli agenti sono già presenti:```bash docker run -it --rm kalilinux/kali-rolling apt update && apt install -y curl nmap ffuf nodejs npm

rustscan (faster port scan): cargo install rustscan (or grab a release from GitHub)

Gli agenti degradano con garbo: se `rustscan` non è installato usano `nmap`; se non c'è nemmeno quello, eseguono sonde con `curl`. Se un browser Playwright MCP è disponibile, lo usano per le pagine pesanti in JavaScript, altrimenti ripiegano su `curl`.

---

## Utilizzo

Esegui **senza argomenti** per una procedura guidata interattiva:```bash
./target/release/neurosploit

Oppure usalo direttamente:```bash

Black-box — subscription (no API key), Opus, browser via Playwright if present, verbose

./target/release/neurosploit run http://testphp.vulnweb.com/
--subscription --model anthropic:claude-opus-4-8 --mcp -v

Black-box — API keys, multi-model voting panel (1st finds, others adjudicate)

./target/release/neurosploit run http://testphp.vulnweb.com/
--model anthropic:claude-opus-4-8 --model openai:gpt-5.1 --vote-n 3

White-box — clone a vulnerable app and review its source

git clone https://github.com/digininja/DVWA /tmp/DVWA ./target/release/neurosploit whitebox /tmp/DVWA
--subscription --model anthropic:claude-opus-4-8 -v

Offline pipeline self-test (no keys/login needed)

./target/release/neurosploit run http://testphp.vulnweb.com/ --offline

Utilities

./target/release/neurosploit agents # library counts ./target/release/neurosploit models # providers & models ./target/release/neurosploit --help # full help with examples

### Opzioni (`run` / `whitebox`)

| Flag | Significato |
|------|-------------|
| `--model provider:model` | Ripetibile. Il primo = primario; gli altri fanno failover **e** formano la giuria di voto. |
| `--subscription` | Usa il login CLI locale (Claude/Codex/Gemini/Grok) invece di una chiave API. |
| `--mcp` | Abilita Playwright MCP (auto-provisioning tramite `npx`; i backend senza MCP usano strumenti integrati). |
| `--vote-n N` | Quanti modelli devono concordare che un finding sia reale (default 3 / 2 per whitebox). |
| `--max-agents N` | Limite massimo di agenti eseguiti (`0` = tutti quelli che corrispondono alla ricognizione). |
| `--offline` | Esegue l'intera pipeline senza chiamare alcun modello. |
| `-v, --verbose` | Registra ogni agente quando viene avviato, la ricognizione e i voti. |

### Autenticazione — esecuzione tramite chiave API *oppure* subscription

Puoi eseguire NeuroSploit in due modi. Sono indipendenti: scegli a ogni esecuzione.

#### 1) Tramite API (chiave API del provider)

Esporta la o le chiavi per i provider nel tuo pannello dei modelli, quindi esegui **senza**
`--subscription`. Funziona con qualsiasi provider compatibile con OpenAI.```bash
# pick one or more, depending on the models you select
export ANTHROPIC_API_KEY=sk-ant-...        # anthropic:claude-*
export OPENAI_API_KEY=sk-...               # openai:gpt-*
export GEMINI_API_KEY=AIza...              # gemini:gemini-*
export XAI_API_KEY=xai-...                 # xai:grok-*
export NVIDIA_NIM_API_KEY=nvapi-...        # nvidia_nim:*
export DEEPSEEK_API_KEY=...                # deepseek:*
export MISTRAL_API_KEY=...                 # mistral:*
export DASHSCOPE_API_KEY=...               # qwen:*  (Alibaba DashScope)
export GROQ_API_KEY=...                    # groq:*
export TOGETHER_API_KEY=...                # together:*
export MOONSHOT_API_KEY=...                # moonshot:*  (Kimi K3/K2)
export OPENROUTER_API_KEY=...              # openrouter:*
# ollama needs no key (local)

# then run via API (note: NO --subscription)
./target/release/neurosploit run http://testphp.vulnweb.com/ \
    --model anthropic:claude-opus-4-8 --vote-n 3 -v

# multi-provider voting panel via API (1st finds, the others adjudicate)
./target/release/neurosploit run http://testphp.vulnweb.com/ \
    --model anthropic:claude-opus-4-8 --model openai:gpt-5.1 --model gemini:gemini-2.5-pro

Oppure inserisci le chiavi in un .env e caricalo (cp .env.example .env; modifica; set -a; . ./.env; set +a).

Provider → variabile d'ambiente → endpoint (tutti compatibili con OpenAI):

Esegui ./target/release/neurosploit models per l'elenco completo di provider/modelli.

2) Tramite abbonamento (senza chiave API)

--subscription gestisce il login della tua CLI agentica locale invece di una chiave API — installa e accedi prima a una delle CLI:

--subscription --model anthropic:claude-opus-4-8 --mcp -v

---

## Come funziona```
target ─▶ recon (curl/nmap/…) ─▶ INTELLIGENT agent selection (recon-aware)
       ─▶ parallel exploitation ─▶ cross-model validation vote
       ─▶ severity/score ─▶ report (HTML + Typst PDF) ─▶ RL reward update

Ogni esecuzione scrive una cartella autonoma runs/ns-<ts>-<target>/:

Un reward store per l'apprendimento per rinforzo (data/rl_state_rs.json) condiziona la selezione degli agenti nelle esecuzioni future.

Libreria agenti — agents_md/ (303)

Ogni agente è un playbook markdown autonomo (metodologia ## User Prompt + regole ## System Prompt rigide anti-falsi-positivi). Inserisci un nuovo .md nella cartella corrispondente e l'harness lo rileva automaticamente.

Sicurezza

Solo per test autorizzati. Gli agenti sono istruiti a rimanere nello scope, a non eseguire mai azioni distruttive/DoS e a richiedere una prova di sfruttamento. Sei responsabile di avere il permesso per qualsiasi target.

Crediti

Joas A Santos & Red Team Leaders.

Licenza

MIT.