Skip to content
KitploitKITPLOIT
StrumentiExploitsBlog
Log in
Invia
StrumentiExploitsBlog
Invia

Strumenti di Hacking, PenTest e Cybersecurity per il tuo Arsenale di Sicurezza!

Kitploit è una directory di strumenti di hacking, cybersecurity e pentesting. Scopri gli ultimi aggiornamenti dei progetti per trovare vulnerabilità, analizzare sistemi, automatizzare i test e rafforzare la tua sicurezza.

FeedContattoPrivacy© 2026 Kitploit

Directory degli strumenti

Categorie

Vedi tutte le categorie
Loading categories
OpenHunterAI — AI red team local-first per la sicurezza di applicazioni web, API e LLM. Ragionamento in stile attaccante, risultati supportati da evidenze e competenze per agenti di coding AI. | Kitploit
Strumenti/GitHubGitHub/lumoslab-innovation/openhunterai
Strumenti DifensiviRicognizioneScanner di VulnerabilitàScanner di Vulnerabilità WebScripting e AutomazioneTest di Sicurezza delle APIRaccolta InformazioniSicurezza Web
Penetration Testing
Red Teaming
Sicurezza delle API
Sicurezza dell'IA
GitHublumoslab-innovation/openhunterai

OpenHunterAI

AI red team local-first per la sicurezza di applicazioni web, API e LLM. Ragionamento in stile attaccante, risultati supportati da evidenze e competenze per agenti di coding AI.

Vedi RepositorySito web
3466512026 giorni faRevisionato da Kitploit
Condividi

OpenHunterAI

OpenHunterAI

Il tuo red team AI locale.
Ragionamento in stile attaccante per la sicurezza di applicazioni web, API e LLM.

CI Preview release PolyForm Noncommercial license GitHub stars

Sito web del progetto · Avvio rapido · Skill per agenti · Modello di valutazione · Architettura · Documentazione · Cronologia delle star

OpenHunterAI riunisce scope, attività di scansione, risultati e remediation in un unico workspace locale. Inizia senza un account, collega i tuoi provider di modelli e valuta applicazioni pubbliche verificate di tua proprietà o che sei autorizzato a testare.

La landing pubblica presenta il progetto; il workspace operativo viene eseguito localmente. Vedi build pubbliche e locali.

FunzionalitàCosa ottieni
Workspace localeNessuna registrazione; progetti e record di scansione nel tuo database locale
Scope esplicitoVerifica del dominio, piani deterministici, gate di approvazione umana
Molteplici fonti di segnaleIspezione del browser, recon, ZAP e un adattatore Nuclei
Indagine assistita dall'AIConfini degli adattatori OpenHack/Strix; usa i tuoi runtime
Evidenze e remediationRisultati sanitizzati, lacune di copertura, indicazioni di correzione, retest manuale
Workflow portabileUna skill per Codex, Claude Code, Gemini CLI, Grok Build e OMP

Alpha. La copertura dell'integrazione dipende dai runtime configurati. Un workspace sano o un report vuoto non dimostrano che un target sia sicuro.

Modello di valutazione

OpenHunterAI mantiene il nucleo utile dei requisiti tecnici 48bf9036: valutare il comportamento osservabile esternamente dalla prospettiva di un attaccante. Il codice sorgente non è richiesto. Ogni esecuzione resta vincolata a un target pubblico verificato e a uno scope approvato.

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"]
FaseOutputControllo
Blocco dell'ambitoHost verificato, percorsi approvati, piano di scansioneAutorizzazione prima dell'inizio del lavoro
Mappatura della superficieSegnali del browser e di ricognizioneSolo superficie pubblica e nell'ambito
BaselineRisposte normali e contesto di coperturaWorker limitati e policy degli adapter
Verifica delle ipotesiSegnali di sicurezza candidatiNessuna azione distruttiva; la validazione sensibile richiede approvazione
Gate delle evidenzeFinding sanitizzato e riproducibileSeparare i segnali osservati dal giudizio dell'analista
Report e retestIndicazioni per la correzione, limitazioni, conferma manualeUn essere umano è responsabile delle decisioni sull'impatto e della chiusura

Le descrizioni OpenAPI/Swagger, gli esempi Postman, le catture HTTP sanitizzate e gli account di test dedicati possono aiutare a definire la superficie di test concordata. L'importazione automatica o la conservazione di traffico sensibile grezzo non è una capacità garantita.

Avvio rapido

Richiede Git, Node.js 22+ e Docker con Compose v2.

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

Apri localhost:3001. Il primo avvio compila le immagini, applica le migrazioni del database e crea un file privato .env.local con i segreti generati.

  1. Imposta le chiavi dei provider e gli ID dei modelli in .env.local; esegui node ops/local.mjs restart.
  2. Crea un progetto e verifica il suo dominio pubblico.
  3. Autorizza lo scope, avvia una scansione e rivedine l'attività e la copertura.
ComandoScopo
node ops/local.mjs statusIspeziona i servizi
node ops/local.mjs logs public-apiDiagnostica gli errori dell'API
node ops/local.mjs stopArresta; mantiene i volumi del database

Incluso: ispezione tramite browser, ZAP, recon e l'adattatore Nuclei. Da fornire separatamente: runtime OpenHack e Strix. Cattura interattiva opzionale del target-login: node ops/local.mjs start --with-browser.

Prima di scansionare, risolvi il blocco della policy dei template Nuclei. L'adattatore è pacchettizzato, ma un bundle di template revisionato non è ancora fornito.

Locale significa che il workspace viene eseguito sulla tua macchina, non che hai il permesso di scansionare localhost/reti private. Mantieni le sue porte su loopback. Configurazione, configurazione dei modelli e risoluzione dei problemi →

Skill per agenti di coding

Esegui nel repository dell'applicazione che vuoi far valutare al tuo agente:

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

Ricarica il tuo coding agent, poi chiedi:

Usa OpenHunter per controllare il mio workspace e preparare una valutazione di sicurezza con ambito definito. Attendi la mia approvazione prima di avviare una scansione.

OMP scopre l'installazione condivisa di .agents/skills tramite il suo provider Agents. La skill include un helper API in sola lettura; l'installazione non avvia una scansione. Compatibilità client →

Architettura

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

L'API pubblica costruisce il piano; i worker Go lo eseguono tramite adapter con limiti definiti. I segnali passano attraverso la policy dei finding prima di entrare nei report. Il reporting è un servizio backend, non un worker di scansione separato.

Scarica lo strumento

Più Popolari

Vedi tutti →

Scopri gli strumenti più utilizzati dalla nostra community.

Nessun dato di popolarità ancora.

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →