Mahoraga Webapp Defender

基于AI的响应式Web应用防御系统，旨在实时抵御AI驱动的攻击。

简介

Mahoraga Defender 是一个概念验证系统，实现了响应式、攻击者类型无关的实时防御。其核心机制是诱骗攻击者在一个无害的伪造环境（"影子"环境）中进行发现和攻击，并将这些攻击记录下来。然后，LLM Agent 分析日志，将检测到的任何漏洞详情交给更多 LLM Agent 来修复漏洞并部署补丁。

该系统设计为完全自动化，同时注重 API 成本优化。提供了 GUI 以便轻松监控流量日志、Agent 活动和打补丁管线，以及控制部署的 Agent 数量。

目标网站

目标（受害者）网站是 crAPI (Completely Ridiculous API) 的一个分支，crAPI 是 OWASP 为教授 API 安全测试而创建的一个故意存在漏洞的 Web 应用程序。crAPI 模拟了一个车辆所有者平台，包含覆盖 OWASP Top 10 API 漏洞的微服务。防御者的设计目标是清晰区分正常用户会话和敌对用户会话，这样在防御者保护网站免受攻击者攻击时，正常用户不会感受到任何用户体验质量下降。

我们的分支（crapi-fork/）增加了：

植入的蜜罐（诱饵凭据、端点、令牌）用于攻击者检测
攻击面上共嵌入12个 CTF 风格的旗帜
一个并行的"影子"栈，包含相同的服务和独立的数据库，用于安全地观察攻击者
基于 nginx Lua 的会话路由，透明地将可疑会话从生产环境重定向到影子环境

crapi-original/ 中保留了一份原始副本，以便在实验之间重置环境。

Mahoraga Defender 架构

双环境

生产环境 (Prod)：通过 nginx 反向代理（端口 8888）服务真实用户
影子环境 (Shadow)：完全相同的诱饵栈，拥有独立的数据库，透明地接收重定向的攻击者流量

Agent 流程管线

编排器 (Orchestrator)：协调整个管线。管理 Agent 生命周期、补丁/审查队列、工单状态、部署和崩溃恢复。运行时可以上下扩展修复者/审查者 Agent 的数量。
观察者 (Watcher)（基于规则）：监控生产环境流量日志，并使用模式匹配（暴力破解、注入、枚举、蜜罐访问等）对会话进行威胁等级评分。当威胁分数超过阈值时，触发重定向操作。
影子分析器 (Shadow Analyzer)（LLM Agent）：按可配置的时间间隔读取影子环境流量日志，检测成功的漏洞利用。对日志条目去重，检测攻击模式，并将确认的漏洞利用推送到修复队列。
修复者 (Fixer)（LLM Agent）：接收漏洞报告，读取相关源代码，并直接在 crapi-fork/ 中打补丁。在沙箱化的 bash 环境中运行，访问权限仅限于 crapi-fork/。
审查者 (Reviewer)（LLM Agent）：验证补丁的正确性、范围和安全性。批准的补丁触发部署操作；拒绝的补丁连同反馈一起返回给修复者。

部署时，Python 服务通过 gunicorn 进行热重载（即时生效），而 Java/Go 服务则通过 docker compose up -d --build 重新构建。

为什么没有测试 Agent？ 我们曾考虑添加一个专用的用户测试 Agent 和一个单独的测试环境，但为了保持系统轻量，两者都移除了。

如何启动

准备工作

建议使用 conda 或 python 虚拟环境（例如 conda create -n XYZ python=3.13，然后 conda activate XYZ）。
安装依赖：pip install -r requirements.txt

完整防御者 vs 攻击者实验

在项目根目录下运行 ./start.sh —— 从 crapi-original/ 重置 crapi-fork/ 源代码，重建所有服务，植入旗帜和蜜罐。
运行防御者：python3 -m harness.main --app-url http://localhost:8888 -v。
开始对 localhost:8888 上的网站进行渗透测试（挑战描述在 localhost:8888/challenge）。如果使用 AI Agent 进行渗透测试，Agent 不应获得对内部 docker 进程的任何访问权限，否则视为作弊。
渗透测试期间，监视 localhost:3000 上的防御者仪表盘，以查看实时日志、Agent 操作、补丁、捕获的旗帜等。
会话结束后，运行 docker compose down -v 移除为本项目启动的 docker 容器和数据库。

仪表盘

仪表盘：http://localhost:3000

在所有标签页上可见一个全局 Agent 状态栏，显示 Agent 健康状态（活跃/挂起/空闲/错误）并带有扩缩控制。

日志

实时分屏的生产/影子请求日志查看器，带有严重级别颜色标记和流量分组

Agent

每个 Agent 的活动馈送，包含系统提示、工具调用和 LLM 模型标签

管线

看板：已检测 → 正在修复 → 正在审查 → 已部署，带有可调整大小的详情面板

补丁

每个补丁的代码差异、修改的文件、回滚命令和时间线

LLM 配置

系统使用任何兼容 OpenAI 的 API。在 config/llm.yaml 中配置模型：

# 影子分析器 — 读取影子日志以检测漏洞利用（无工具调用）
shadow_analyzer:
  provider: gemini
  model: gemini-2.5-flash
  api_key_env: GEMINI_API_KEY # defined in harness/.env
  pricing:
    input_per_million: 0.30
    output_per_million: 2.50

# 修复者 — 修补源代码（工具调用 Agent）
fixer:
  provider: gemini
  model: gemini-3-flash-preview
  api_key_env: GEMINI_API_KEY # defined in harness/.env
  pricing:
    input_per_million: 0.50
    output_per_million: 3.00

# 审查者 — 验证补丁（工具调用 Agent）
reviewer:
  provider: gemini
  model: gemini-3-flash-preview
  api_key_env: GEMINI_API_KEY # defined in harness/.env
  pricing:
    input_per_million: 0.50
    output_per_million: 3.00

要切换提供商，更改 provider 和 model，然后在 harness/.env 中设置相应的 API Key：

支持的提供商：OpenAI, Gemini, Anthropic, Groq, Together, Ollama, Mistral, DeepSeek, Fireworks, xAI, Perplexity, OpenRouter, Zhipu。通过将提供商的基础 URL 添加到 YAML 的 providers 部分，可以添加自定义提供商。

providers:
  openai: https://api.openai.com/v1
  gemini: https://generativelanguage.googleapis.com/v1beta/openai/
  anthropic: https://api.anthropic.com/v1/
  groq: https://api.groq.com/openai/v1
  ... # 需要时添加更多

注意：只有少数 API 提供商具有足够高的速率限制以支持 3 个以上的 Agent 同时工作。Google 的 Gemini 是其中之一。

技术栈

LLM：任何兼容 OpenAI 的 API（默认：Gemini 3 Flash Preview 用于 Agent，Gemini 2.5 Flash 用于分析器）
目标应用：修改后的 crAPI（Python/Django, Java/Spring Boot, Go, MongoDB, PostgreSQL）
路由：使用 Lua 脚本的 nginx 实现透明会话重定向
评分：基于 Redis 的威胁评分，通过 FastAPI 控制平面实现
仪表盘：React + Tailwind CSS，由 FastAPI 提供服务并通过 WebSocket 实现实时更新
编排：Python asyncio 结合基于队列的 Agent 协调

特别鸣谢

特别感谢 d3lta05 (LinkedIn) 和 aleemladha 在渗透测试方面的帮助。

最受欢迎

Mahoraga-Webapp-Defender