Gaia - 공격 표면 발견 및 AI 지원 트라이지

Gaia는 엔드포인트와 파라미터를 발견하고 노이즈를 줄이며, 정적 휴리스틱과 선택적 AI 추론을 사용하여 보안 관련 위험을 강조하는 CLI 우선 공격 표면 분석 도구입니다. Katana, gau, arjun, linkfinder, uro를 오케스트레이션하여 원시 URL 컬렉션을 버그 바운티, AppSec 및 보안 엔지니어링 워크플로우에 적합한 정규화된 위험 인식 뷰로 변환합니다.

Gaia는 자동화된 취약점 스캐너가 아닙니다. 공격 표면을 매핑하고 결정적 휴리스틱을 적용하며, LLM을 사용하여 테스트 힌트를 생성할 수 있습니다. 발견 사항은 안내일 뿐 확정된 취약점이 아닙니다. 수동 검증이 필요합니다. AI 출력은 권고 사항일 뿐 권위 있는 것이 아닙니다. 어디에 집중할지, 어떻게 테스트할지 결정하는 데 사용하세요.

Gaia가 하는 일

Gaia는 노이즈보다 신호에 집중합니다. 다음과 같은 작업을 수행합니다:

• 라이브 애플리케이션 크롤링
• 과거 URL 수집
• 파라미터 추출
• 엔드포인트 정규화 및 중복 제거
• 엔드포인트, URL, 시크릿, 이메일 및 파일을 찾기 위한 JavaScript 분석
• 결정적 보안 휴리스틱 적용
• 선택적으로 LLM 기반 추론으로 발견 사항 강화(제한적 및 최적화)

그 결과는 애플리케이션 공격 표면에서 중요한 것에 대한 빠르고 읽기 쉬운 지도입니다.

대상 사용자

• 빠른 리콘과 트라이지를 수행하는 버그 바운티 헌터
• 공격 표면을 매핑하는 AppSec 엔지니어
• 초기 단계 분석을 자동화하는 보안 엔지니어
• 노출된 엔드포인트와 파라미터에 대한 가시성을 원하는 개발자

주요 기능

• Katana를 통한 라이브 크롤링
• gau를 통한 과거 URL 발견
• arjun + 쿼리 파싱을 통한 파라미터 발견
• uro를 통한 URL 정규화 및 중복 제거
• 노이즈가 줄어든 JS 추출을 위한 JS 분석기
• 정적 위험 휴리스틱(IDOR, SSRF, 인증, 경로 순회, 인젝션 등)
• 선택적 LLM 지원 분석(상한 제한, 축소, 빠름)
• 노이즈 감소: 정적 자산 필터링, 추적/정크 파라미터 필터링
• 성능 중심 설계: 제한된 AI 호출, 간결한 페이로드, 경량 응답 스냅샷

작동 방식 (파이프라인)

1. 외부 도구 확인
2. 대상 크롤링 (Katana)
3. 과거 URL 수집 (gau)
4. JS 분석
5. 파라미터 추출 (arjun + 파싱)
6. URL 정규화 및 중복 제거 (uro)
7. 분석 (정적 + 선택적 AI)
8. 보고서 생성

각 단계는 발견한 URL 또는 파라미터 수를 보고합니다.

사용법

기본 스캔

gaia -u https://example.com

특정 단계 비활성화

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

stdin에서 URL 읽기

cat urls.txt | gaia --stdin

CLI 실행 예시

Gaia CLI 데모 – 크롤링, 정규화 및 AI 지원 분석

설치

요구 사항

• Python 3.10 이상
• (선택) virtualenv
• Go 툴체인 (katana / gau 자동 설치용)

설정

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

외부 도구(katana, gau, arjun, linkfinder, uro)는 활성화하면 자동 설치할 수 있습니다.

CLI 플래그

• -u, --url 대상 URL
• --stdin stdin에서 URL 읽기
• --no-gau 과거 URL 수집 비활성화
• --no-arjun arjun 파라미터 발견 비활성화
• --no-linkfinder linkfinder JS 발견 비활성화
• --no-uro URL 정규화 비활성화
• --no-js-analyzer JS 분석기 단계 비활성화
• --js-max-fetches N 분석을 위해 가져올 최대 JS 파일 수
• --no-ai AI 추론 비활성화
• --show-assets 출력에 정적 자산 표시
• --only-params 파라미터가 있는 엔드포인트만 표시
• --auto-install 누락된 도구 자동 설치
• --max-urls N 수집된 URL 상한
• --format console|md|json 출력 형식
• --output PATH 보고서를 파일에 쓰기
• -h, --help 도움말 표시

환경 변수

AI / LLM

• GAIA_LLM_MODEL LiteLLM용 모델 이름 (AI 활성화에 필요)
• GAIA_LLM_MAX_ENDPOINTS LLM에 전송할 최대 엔드포인트 수 (기본값: 15)
• GAIA_LLM_INCLUDE_RESPONSES HTTP 응답 스냅샷 포함 (기본값: true)
• GAIA_LLM_MAX_RESPONSES 가져올 최대 스냅샷 수 (기본값: 50)
• GAIA_LLM_MAX_BODY_CHARS 최대 응답 본문 문자 수 (기본값: 4000)

기능 토글

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

디버깅

• GAIA_VERBOSE
• GAIA_DEBUG
• GAIA_LLM_DEBUG
• GAIA_JS_MAX_FETCHES
• GAIA_JS_MAX_CHARS

참고 사항 및 모드:

• 빠른 모드: 빠른 정찰을 위해 AI와 과거 도구를 비활성화합니다 (--no-ai --no-gau).
• 딥 모드: GAIA_LLM_MODEL을 설정하고 모든 도구와 AI를 활성화합니다. 더 넓은 AI 적용 범위가 필요하면 GAIA_LLM_MAX_ENDPOINTS를 늘리세요.
• 트라이지 모드: AI는 유지하되 기본값(상한이 있는 엔드포인트, 축소된 페이로드)을 사용하여 속도와 적용 범위의 균형을 맞춥니다.

LiteLLM / AI 구성

AI는 선택 사항입니다. Gaia는 AI 없이도 완전히 작동합니다.

OpenAI 사용:

• GAIA_LLM_MODEL (예: gpt-4o-mini 또는 gpt-4.1)
• OPENAI_API_KEY: LiteLLM은 이러한 변수를 기반으로 요청을 OpenAI로 라우팅합니다.

Google Gemini 사용

• GAIA_LLM_MODEL (예: gemini/gemini-1.5-pro)
• GOOGLE_API_KEY: LiteLLM은 이러한 변수를 기반으로 요청을 Gemini로 라우팅합니다.

로컬 모델 사용 (Ollama / LM Studio)

• GAIA_LLM_MODEL (예: ollama/llama3 또는 ollama/qwen2.5)
• LiteLLM은 로컬 엔드포인트에 연결됩니다. 로컬 모델에는 API 키가 필요하지 않습니다.

출력

콘솔 출력

• 엔드포인트 테이블 (필터링됨, 읽기 쉬움)
• 파라미터별 위험 태그
• 요약 통계
• AI 진행 표시기 (한 줄)

파라미터 노트

보고서 끝에서 Gaia는 집계된 파라미터 노트를 출력합니다:

• 파라미터가 위험해 보이는 이유
• 발견된 위치
• 실용적인 테스트 아이디어

기타 형식

• JSON (기계 판독 가능)
• Markdown (보고서 준비 완료)

성능 참고 사항

• AI 호출은 엄격하게 상한이 제한됨
• 페이로드는 축소되고 키가 단축됨
• 정적 자산과 정크 파라미터는 건너뜀
• 2xx 응답은 content-type + 짧은 스니펫만 전송
• 대규모 표면에서도 빠르게 유지되도록 설계됨

기여

기여는 환영합니다. PR은 집중되고 읽기 쉽게 유지해 주세요. 휴리스틱, 성능, 필터링, AI 프롬프트 및 문서 개선을 권장합니다. 더 큰 변경의 경우 먼저 이슈를 열어 논의하세요.

라이선스

MIT

고지 사항

Gaia는 리콘 및 분석 도구입니다. 항상 책임감 있게 테스트하고 승인된 시스템에 대해서만 테스트하세요.