# ai-mcp-security

Adopt this skill: https://proskills.md/skills/other/netw0rknoob-vulnclaw-vulnclaw-skills-specialized-ai-mcp-security

Page: https://proskills.md/skills/other/netw0rknoob-vulnclaw-vulnclaw-skills-specialized-ai-mcp-security
This document is the public skill bundle for that page. It contains SKILL.md and every helper file the catalog carries. No login is required.

## File: vulnclaw/skills/specialized/ai-mcp-security/SKILL.md
size: 2456
sha: 964aaa03a01c8032de3fc4b81bebb6df311f41d5
upstream: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/SKILL.md

```text
---
name: ai-mcp-security
description: AI与MCP安全评估 — Prompt注入、工具滥用、MCP信任边界、Agent权限逃逸、数据泄露、模型风险、GAARM风险矩阵
routing:
  target_types: [ai_agent, mcp]
  task_types: [pentest, audit]
  technologies: [llm, rag, memory, plugin]
  vulnerability_classes: [prompt_injection, tool_abuse, info_disclosure]
---

# AI 与 MCP 安全评估 Skill

当目标包含 LLM、Agent、MCP 工具、Skills、RAG、Memory、Plugin 或模型服务组件时使用本 Skill。

**前置条件**：如果 AI 表面只是展示层，真正的阻塞仍是客户端签名或加密协议，先回到 `client-reverse` Skill。

## 场景路由

| 风险类型 | 首选参考 |
|---------|---------|
| Prompt 注入 / 间接注入 / CoT 干扰 | `references/ai-app-security.md` |
| 工具滥用 / MCP 投毒 / Skills 供应链 | `references/04-ai-and-mcp-security-integrated.md` MCP 章节 |
| 权限逃逸 / 角色越界 / 凭据滥用 | `references/ai-identity-security.md` |
| 数据泄露 / Prompt 泄漏 / 模型逆推 | `references/ai-data-security.md` |
| 容器逃逸 / CI-CD / 沙箱失败 | `references/ai-baseline-security.md` |
| 模型风险 / 对抗样本 / 后门 | `references/ai-model-security.md` |
| 影响分类与覆盖评估 | `references/gaarm-risk-matrix.md` |

## 测试流程

### 1. 应用层攻击
- 直接 Prompt 注入
- 间接注入（通过外部数据源）
- CoT 干扰与指令覆盖
- Agent 滥用（未授权操作）
- 代码执行突破
- Memory 投毒

### 2. MCP 与 Agent 风险
- 工具描述投毒
- 指令覆盖
- 隐藏指令注入
- 未授权资源访问
- Skills/Rules 供应链问题

### 3. 身份与授权
- 动作滥用
- 角色逃逸
- 权限漂移
- 云凭据滥用

### 4. 数据与隐私
- Prompt 泄漏
- 敏感数据暴露
- 训练数据问题
- 模型逆推
- API 数据窃取

### 5. 基线与部署
- CI/CD 缺陷
- 容器逃逸
- 向量数据库安全
- 沙箱失效
- 环境隔离缺陷
- 模型服务缺陷

## 参考文档

- `references/04-ai-and-mcp-security-integrated.md` — AI 与 MCP 安全整合参考
- `references/ai-app-security.md` — AI 应用安全
- `references/ai-identity-security.md` — AI 身份安全
- `references/ai-data-security.md` — AI 数据安全
- `references/ai-baseline-security.md` — AI 基线安全
- `references/ai-model-security.md` — AI 模型安全
- `references/gaarm-risk-matrix.md` — GAARM 风险矩阵
```

## File: vulnclaw/skills/specialized/ai-mcp-security/references/04-ai-and-mcp-security-integrated.md
size: 343718
sha: 8f2b52d9a3ea3d6803a4dbdab866403fc9076a5a
upstream: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/references/04-ai-and-mcp-security-integrated.md

Content is not inlined in the catalog. Read the upstream file: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/references/04-ai-and-mcp-security-integrated.md

## File: vulnclaw/skills/specialized/ai-mcp-security/references/ai-app-security.md
size: 72732
sha: ec5cd38e94bd9c48e3d527780fdde5026e783ef8
upstream: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/references/ai-app-security.md

Content is not inlined in the catalog. Read the upstream file: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/references/ai-app-security.md

## File: vulnclaw/skills/specialized/ai-mcp-security/references/ai-baseline-security.md
size: 42225
sha: 04330c8806c858d4bd19c3872a9f0a7069511e67
upstream: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/references/ai-baseline-security.md

Content is not inlined in the catalog. Read the upstream file: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/references/ai-baseline-security.md

## File: vulnclaw/skills/specialized/ai-mcp-security/references/ai-data-security.md
size: 63108
sha: d37aff9fb1b73e9d49ae1ae4d42580d0016b4554
upstream: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/references/ai-data-security.md

Content is not inlined in the catalog. Read the upstream file: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/references/ai-data-security.md

## File: vulnclaw/skills/specialized/ai-mcp-security/references/ai-identity-security.md
size: 45651
sha: a47e0bfdd5b17a00c4ff053107673186c64b546d
upstream: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/references/ai-identity-security.md

Content is not inlined in the catalog. Read the upstream file: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/references/ai-identity-security.md

## File: vulnclaw/skills/specialized/ai-mcp-security/references/ai-model-security.md
size: 98732
sha: 14ea176bcc0f11ea89fd742a1e9a57e65c514307
upstream: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/references/ai-model-security.md

Content is not inlined in the catalog. Read the upstream file: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/references/ai-model-security.md

## File: vulnclaw/skills/specialized/ai-mcp-security/references/gaarm-risk-matrix.md
size: 14819
sha: e1f16668684b9d7afab95bffeacc54157b8ff8bd
upstream: https://github.com/netw0rknoob/vulnclaw/blob/main/vulnclaw/skills/specialized/ai-mcp-security/references/gaarm-risk-matrix.md

```text
# GAARM 风险索引矩阵

> 来源: AISS绿盟大模型安全智链社区

| 风险编号 | 安全域 | 阶段 | 风险名称 | Reference文件 |
|----------|--------|------|----------|---------------|
| GAARM.0042 | AI应用安全 | 应用阶段 | CoT注入攻击 | ai-app-security.md |
| GAARM.0046.001 | AI应用安全 | 应用阶段 | MCP地毯式骗局 | ai-app-security.md |
| GAARM.0046 | AI应用安全 | 应用阶段 | MCP工具投毒攻击 | ai-app-security.md |
| GAARM.0046.002 | AI应用安全 | 应用阶段 | MCP指令覆盖攻击 | ai-app-security.md |
| GAARM.0046.003 | AI应用安全 | 应用阶段 | MCP隐藏指令攻击 | ai-app-security.md |
| GAARM.0039 | AI应用安全 | 应用阶段 | Prompt注入 | ai-app-security.md |
| GAARM.0041.001 | AI应用安全 | 应用阶段 | SSRF环境模拟探测 | ai-app-security.md |
| GAARM.0040.001 | AI应用安全 | 应用阶段 | XSS会话内容劫持 | ai-app-security.md |
| GAARM.0041.002 | AI应用安全 | 应用阶段 | 代码执行注入 | ai-app-security.md |
| GAARM.0043 | AI应用安全 | 应用阶段 | 关键字混淆 | ai-app-security.md |
| GAARM.0045 | AI应用安全 | 应用阶段 | 反向诱导&抑制攻击 | ai-app-security.md |
| GAARM.0043.001 | AI应用安全 | 应用阶段 | 同义词替换攻击 | ai-app-security.md |
| GAARM.0061 | AI应用安全 | 应用阶段 | 多模态协同注入攻击 | ai-app-security.md |
| GAARM.0044 | AI应用安全 | 应用阶段 | 对抗编码攻击 | ai-app-security.md |
| GAARM.0040.003 | AI应用安全 | 应用阶段 | 应用对话Memory攻击 | ai-app-security.md |
| GAARM.0041 | AI应用安全 | 应用阶段 | 应用智能体Agent利用 | ai-app-security.md |
| GAARM.0042.001 | AI应用安全 | 应用阶段 | 思维链干扰注入 | ai-app-security.md |
| GAARM.0042.002 | AI应用安全 | 应用阶段 | 思维链操纵注入 | ai-app-security.md |
| GAARM.0056.001 | AI应用安全 | 应用阶段 | 查询注入攻击 | ai-app-security.md |
| GAARM.0047 | AI应用安全 | 应用阶段 | 环境注入攻击 | ai-app-security.md |
| GAARM.0040.002 | AI应用安全 | 应用阶段 | 环路Agent蠕虫 | ai-app-security.md |
| GAARM.0040 | AI应用安全 | 应用阶段 | 间接Prompt注入 | ai-app-security.md |
| GAARM.0060 | AI应用安全 | 应用阶段 | 预期外代码执行 | ai-app-security.md |
| GAARM.0049 | AI应用安全 | 部署阶段 | LLMs应用API管理不当 | ai-app-security.md |
| GAARM.0038 | AI应用安全 | 部署阶段 | LLMs应用源代码投毒 | ai-app-security.md |
| GAARM.0037 | AI应用安全 | 部署阶段 | LLMs应用源代码窃取 | ai-app-security.md |
| GAARM.0035.003 | AI应用安全 | 训练阶段 | LLMs应用不安全输出处理 | ai-app-security.md |
| GAARM.0035.002 | AI应用安全 | 训练阶段 | LLMs应用传统漏洞风险 | ai-app-security.md |
| GAARM.0035.001 | AI应用安全 | 训练阶段 | LLMs插件：不安全输入处理 | ai-app-security.md |
| GAARM.0036 | AI应用安全 | 训练阶段 | LLMs插件：业务过度代理 | ai-app-security.md |
| GAARM.0034.002 | AI应用安全 | 训练阶段 | RAG开发框架漏洞 | ai-app-security.md |
| GAARM.0035 | AI应用安全 | 训练阶段 | 不安全的代码实践 | ai-app-security.md |
| GAARM.0034.001 | AI应用安全 | 训练阶段 | 数据处理组件漏洞 | ai-app-security.md |
| GAARM.0034 | AI应用安全 | 训练阶段 | 第三方组件漏洞 | ai-app-security.md |
| GAARM.0027.001 | AI模型安全 | 应用阶段 | DAN(Do Anything Now) | ai-model-security.md |
| GAARM.0027.002 | AI模型安全 | 应用阶段 | Many-shot越狱 | ai-model-security.md |
| GAARM.0028.001 | AI模型安全 | 应用阶段 | 事实性幻觉 | ai-model-security.md |
| GAARM.0032.003 | AI模型安全 | 应用阶段 | 代理预训练模型创建 | ai-model-security.md |
| GAARM.0027.003 | AI模型安全 | 应用阶段 | 假定场景越狱 | ai-model-security.md |
| GAARM.0027.004 | AI模型安全 | 应用阶段 | 假定角色越狱 | ai-model-security.md |
| GAARM.0030 | AI模型安全 | 应用阶段 | 商业违法输出 | ai-model-security.md |
| GAARM.0031.003 | AI模型安全 | 应用阶段 | 图片信息伪造 | ai-model-security.md |
| GAARM.0062 | AI模型安全 | 应用阶段 | 多模态内容合规安全风险 | ai-model-security.md |
| GAARM.0027.005 | AI模型安全 | 应用阶段 | 对抗性后缀攻击 | ai-model-security.md |
| GAARM.0032.004 | AI模型安全 | 应用阶段 | 对抗样本攻击 | ai-model-security.md |
| GAARM.0029.003 | AI模型安全 | 应用阶段 | 带有偏见、仇恨、歧视或侮辱问题 | ai-model-security.md |
| GAARM.0028.002 | AI模型安全 | 应用阶段 | 攻击案例 | ai-model-security.md |
| GAARM.0029.004 | AI模型安全 | 应用阶段 | 恐怖主义&&带有暴力倾向 | ai-model-security.md |
| GAARM.0031.001 | AI模型安全 | 应用阶段 | 恶意代码生成 | ai-model-security.md |
| GAARM.0063 | AI模型安全 | 应用阶段 | 意图破坏&目标操纵 | ai-model-security.md |
| GAARM.0029.005 | AI模型安全 | 应用阶段 | 政治&&军事敏感问题 | ai-model-security.md |
| GAARM.0029.006 | AI模型安全 | 应用阶段 | 攻击概述 | ai-model-security.md |
| GAARM.0033 | AI模型安全 | 应用阶段 | 数据漂移 | ai-model-security.md |
| GAARM.0027.006 | AI模型安全 | 应用阶段 | 概念激活攻击 | ai-model-security.md |
| GAARM.0031 | AI模型安全 | 应用阶段 | 模型功能滥用 | ai-model-security.md |
| GAARM.0028 | AI模型安全 | 应用阶段 | 模型幻觉风险 | ai-model-security.md |
| - | AI模型安全 | 应用阶段 | 模型提取与盗窃 | ai-model-security.md |
| GAARM.0027 | AI模型安全 | 应用阶段 | 模型越狱攻击 | ai-model-security.md |
| GAARM.0030.001 | AI模型安全 | 应用阶段 | 知识产权版权侵犯 | ai-model-security.md |
| GAARM.0029.001 | AI模型安全 | 应用阶段 | 虚假信息生成 | ai-model-security.md |
| GAARM.0031.005 | AI模型安全 | 应用阶段 | 视频信息伪造 | ai-model-security.md |
| GAARM.0029.002 | AI模型安全 | 应用阶段 | 诱导&&不当言论 | ai-model-security.md |
| GAARM.0064 | AI模型安全 | 应用阶段 | 跨模态幻觉 | ai-model-security.md |
| GAARM.0031.002 | AI模型安全 | 应用阶段 | 钓鱼邮件生成 | ai-model-security.md |
| GAARM.0029 | AI模型安全 | 应用阶段 | 非合规内容输出 | ai-model-security.md |
| GAARM.0031.004 | AI模型安全 | 应用阶段 | 音频信息伪造 | ai-model-security.md |
| GAARM.0032 | AI模型安全 | 应用阶段 | 预训练模型信息窃取与攻击 | ai-model-security.md |
| GAARM.0032.001 | AI模型安全 | 应用阶段 | 预训练模型家族探测 | ai-model-security.md |
| GAARM.0032.002 | AI模型安全 | 应用阶段 | 预训练模型本体探测 | ai-model-security.md |
| GAARM.0026 | AI模型安全 | 部署阶段 | 模型参数篡改 | ai-model-security.md |
| GAARM.0025 | AI模型安全 | 部署阶段 | 模型文件窃取 | ai-model-security.md |
| GAARM.0023 | AI模型安全 | 训练阶段 | 模型后门 | ai-model-security.md |
| GAARM.0033 | AI模型安全 | 训练阶段 | 模型安全对齐不足 | ai-model-security.md |
| GAARM.0023.001 | AI模型安全 | 训练阶段 | 模型序列化后门 | ai-model-security.md |
| GAARM.0024 | AI模型安全 | 训练阶段 | 预训练模型不安全依赖 | ai-model-security.md |
| GAARM.0023.002 | AI模型安全 | 训练阶段 | 预训练模型投毒 | ai-model-security.md |
| GAARM.0022 | AI数据安全 | 应用阶段 | API信息泄露 | ai-data-security.md |
| GAARM.0019.001 | AI数据安全 | 应用阶段 | 个人隐私数据窃取 | ai-data-security.md |
| GAARM.0019.002 | AI数据安全 | 应用阶段 | 企业机密数据窃取 | ai-data-security.md |
| GAARM.0017.001 | AI数据安全 | 应用阶段 | 假定场景泄露 | ai-data-security.md |
| GAARM.0017.002 | AI数据安全 | 应用阶段 | 假定角色泄露 | ai-data-security.md |
| GAARM.0017 | AI数据安全 | 应用阶段 | 元Prompt泄露 | ai-data-security.md |
| GAARM.0017.003 | AI数据安全 | 应用阶段 | 关键字前后定位泄露 | ai-data-security.md |
| GAARM.0030 | AI数据安全 | 应用阶段 | 外部数据源信息泄露 | ai-data-security.md |
| GAARM.0029 | AI数据安全 | 应用阶段 | 成员推断攻击 | ai-data-security.md |
| GAARM.0028 | AI数据安全 | 应用阶段 | 数据操纵 | ai-data-security.md |
| GAARM.0018 | AI数据安全 | 应用阶段 | 模型反演攻击 | ai-data-security.md |
| GAARM.0020 | AI数据安全 | 应用阶段 | 模型推理API数据窃取 | ai-data-security.md |
| GAARM.0065 | AI数据安全 | 应用阶段 | 级联幻觉攻击 | ai-data-security.md |
| GAARM.0018.001 | AI数据安全 | 应用阶段 | 触发模型异常 | ai-data-security.md |
| GAARM.0018.002 | AI数据安全 | 应用阶段 | 训练数据推导 | ai-data-security.md |
| GAARM.0019 | AI数据安全 | 应用阶段 | 隐私数据窃取 | ai-data-security.md |
| GAARM.0012 | AI数据安全 | 部署阶段 | 备份数据窃取 | ai-data-security.md |
| GAARM.0013 | AI数据安全 | 部署阶段 | 数据传输劫持 | ai-data-security.md |
| GAARM.0014 | AI数据安全 | 部署阶段 | 数据存储服务攻击 | ai-data-security.md |
| GAARM.0015 | AI数据安全 | 部署阶段 | 日志和审计记录窃取 | ai-data-security.md |
| GAARM.0016 | AI数据安全 | 部署阶段 | 缓存数据&索引信息窃取 | ai-data-security.md |
| GAARM.0010 | AI数据安全 | 训练阶段 | 不正确&恶意外部数据源 | ai-data-security.md |
| GAARM.0009.001 | AI数据安全 | 训练阶段 | 个人隐私数据保护缺陷 | ai-data-security.md |
| GAARM.0009.002 | AI数据安全 | 训练阶段 | 企业敏感数据保护缺陷 | ai-data-security.md |
| GAARM.0009 | AI数据安全 | 训练阶段 | 内部数据保护缺陷 | ai-data-security.md |
| GAARM.0011.001 | AI数据安全 | 训练阶段 | 对话语料投毒 | ai-data-security.md |
| GAARM.0018.003 | AI数据安全 | 训练阶段 | 数据匿名化处理不当 | ai-data-security.md |
| GAARM.0009.003 | AI数据安全 | 训练阶段 | 机密敏感数据保护缺陷 | ai-data-security.md |
| GAARM.0011 | AI数据安全 | 训练阶段 | 训练数据投毒 | ai-data-security.md |
| GAARM.0020 | AI数据安全 | 训练阶段 | 训练数据泄露 | ai-data-security.md |
| GAARM.0011.002 | AI数据安全 | 训练阶段 | 训练数据篡改 | ai-data-security.md |
| GAARM.0010.001 | AI数据安全 | 训练阶段 | 预训练模型数据偏见 | ai-data-security.md |
| GAARM.0058 | AI身份安全 | 应用阶段 | Action模块权限失控 | ai-identity-security.md |
| GAARM.0057 | AI身份安全 | 应用阶段 | MCP未授权获取系统资源 | ai-identity-security.md |
| GAARM.0052.004 | AI身份安全 | 应用阶段 | Prompt目标劫持 | ai-identity-security.md |
| GAARM.0052.001 | AI身份安全 | 应用阶段 | 假定场景逃逸 | ai-identity-security.md |
| GAARM.0052.002 | AI身份安全 | 应用阶段 | 假定角色逃逸 | ai-identity-security.md |
| GAARM.0053.002 | AI身份安全 | 应用阶段 | 利用云凭证非法访问云端模型 | ai-identity-security.md |
| GAARM.0073 | AI身份安全 | 应用阶段 | 外部数据源欺骗 | ai-identity-security.md |
| GAARM.0059 | AI身份安全 | 应用阶段 | 多Agent访问身份伪造 | ai-identity-security.md |
| GAARM.0055 | AI身份安全 | 应用阶段 | 应用会话劫持 | ai-identity-security.md |
| GAARM.0053.001 | AI身份安全 | 应用阶段 | 未授权访问模型 | ai-identity-security.md |
| GAARM.0053 | AI身份安全 | 应用阶段 | 权限管控不当 | ai-identity-security.md |
| GAARM.0054 | AI身份安全 | 应用阶段 | 模拟对话攻击 | ai-identity-security.md |
| GAARM.0052 | AI身份安全 | 应用阶段 | 角色逃逸 | ai-identity-security.md |
| GAARM.0056 | AI身份安全 | 应用阶段 | 账户劫持风险 | ai-identity-security.md |
| GAARM.0053.003 | AI身份安全 | 应用阶段 | 账户越权访问 | ai-identity-security.md |
| GAARM.0052.003 | AI身份安全 | 应用阶段 | 遗忘法角色逃逸 | ai-identity-security.md |
| GAARM.0049.001 | AI身份安全 | 部署阶段 | 公开服务API密钥利用 | ai-identity-security.md |
| GAARM.0050 | AI身份安全 | 部署阶段 | 向量数据库未授权访问 | ai-identity-security.md |
| GAARM.0051 | AI身份安全 | 部署阶段 | 未授权访模型部署环境 | ai-identity-security.md |
| GAARM.0049 | AI身份安全 | 部署阶段 | 滥用部署环境凭据 | ai-identity-security.md |
| GAARM.0048 | AI身份安全 | 训练阶段 | LLMs插件：权限管控设计缺陷 | ai-identity-security.md |
| GAARM.0046 | AI身份安全 | 训练阶段 | 训练环境缺少认证授权 | ai-identity-security.md |
| GAARM.0047 | AI身份安全 | 训练阶段 | 训练环境过度权限分配 | ai-identity-security.md |
| GAARM.0008 | AI基座安全 | 应用阶段 | LLMs拒绝服务&资源耗尽 | ai-baseline-security.md |
| GAARM.0007.001 | AI基座安全 | 应用阶段 | 代码解析器执行逃逸 | ai-baseline-security.md |
| - | AI基座安全 | 应用阶段 | 容器运行时风险 | ai-baseline-security.md |
| GAARM.0006 | AI基座安全 | 应用阶段 | 容器集群环境探测 | ai-baseline-security.md |
| GAARM.0007 | AI基座安全 | 应用阶段 | 容器集群环境攻击 | ai-baseline-security.md |
| GAARM.0004 | AI基座安全 | 部署阶段 | CI&CD流程攻击 | ai-baseline-security.md |
| GAARM.0003.001 | AI基座安全 | 部署阶段 | 云平台多租户隔离失效 | ai-baseline-security.md |
| GAARM.005 | AI基座安全 | 部署阶段 | 云平台安全漏洞 | ai-baseline-security.md |
| GAARM.0003 | AI基座安全 | 部署阶段 | 利用不安全系统配置 | ai-baseline-security.md |
| GAARM.0005 | AI基座安全 | 部署阶段 | 向量数据库漏洞 | ai-baseline-security.md |
| GAARM.0005 | AI基座安全 | 部署阶段 | 容器&&集群系统漏洞 | ai-baseline-security.md |
| GAARM.0004.001 | AI基座安全 | 部署阶段 | 模型部署服务漏洞 | ai-baseline-security.md |
| GAARM.0004.002 | AI基座安全 | 部署阶段 | 模型镜像污染 | ai-baseline-security.md |
| GAARM.0003.001 | AI基座安全 | 部署阶段 | 环境隔离缺陷 | ai-baseline-security.md |
| GAARM.0005 | AI基座安全 | 部署阶段 | 部署环境组件供应链漏洞 | ai-baseline-security.md |
| GAARM.0001.001 | AI基座安全 | 训练阶段 | 模型开发工具漏洞 | ai-baseline-security.md |
| GAARM.0001.002 | AI基座安全 | 训练阶段 | 训练数据管理系统漏洞 | ai-baseline-security.md |
| GAARM.0001 | AI基座安全 | 训练阶段 | 训练环境安全风险 | ai-baseline-security.md |
| GAARM.0002 | AI基座安全 | 训练阶段 | 训练环境隔离缺陷 | ai-baseline-security.md |

共计 150 个风险条目
```

## File: README.md
upstream: https://github.com/netw0rknoob/vulnclaw/blob/main/README.md

````text
<div align="center">

# VulnClaw 🦞

> *AI 驱动的渗透测试 CLI 工具 — 说人话，打漏洞。*

[![License: MIT](https://img.shields.io/badge/License-MIT-blue.svg)](LICENSE)
[![Python 3.10+](https://img.shields.io/badge/Python-3.10+-blue.svg)](https://www.python.org/)
[![OpenAI Compatible](https://img.shields.io/badge/API-OpenAI_Compatible-green)](https://platform.openai.com/)
[![MCP](https://img.shields.io/badge/Toolchain-MCP-orange)](https://modelcontextprotocol.io/)
[![PyPI](https://img.shields.io/badge/PyPI-v0.4.1-blueviolet)](https://pypi.org/project/vulnclaw/)
[![codecov](https://codecov.io/gh/Netw0rkNoob/VulnClaw/branch/main/graph/badge.svg)](https://codecov.io/gh/Netw0rkNoob/VulnClaw)
[![Security](https://img.shields.io/badge/Scope-Authorized_Only-red)](#-安全声明)
[![Discord](https://img.shields.io/badge/Discord-Join_Community-5865F2?logo=discord&logoColor=white)](https://discord.gg/q5nrZpe6S)
[![AtomGitStars](https://atomgit.com/Unclecheng-li/VulnClaw/star/badge.svg)](https://atomgit.com/Unclecheng-li/VulnClaw)
<picture>
  <source media="(prefers-color-scheme: dark)" srcset="https://kimi-file.moonshot.cn/prod-chat-kimi/kfs/4/1/2026-06-05/1d8h69mt3v89kkekg24gg">
  <img alt="Kimi Open Source Friends" src="https://kimi-file.moonshot.cn/prod-chat-kimi/kfs/4/1/2026-06-05/1d8h69fudcmosb3pipls0">
</picture>
<br>

🌐 **English version**: [`README_EN.md`](README_EN.md)

**本项目是可独立运行的 AI 渗透测试 Agent。**
<br>
项目官网：https://unclecheng-li.github.io/vulnclaw.com/
<br>

基于 LLM Agent + MCP 工具链 + 可选 Skill 参考资料，
配合 OpenAI / Anthropic / MiniMax / DeepSeek 等兼容模型，
自然语言输入 → 自动完成「信息收集 → 漏洞发现 → 漏洞利用 → 报告生成」全流程。

[快速开始](#快速开始) · [架构](#架构) · [内置 Skill](#内置-skill)

</div>

---

## 它能做什么

输入自然语言，AI 自动执行渗透测试全流程：

```
用户输入：帮我对 http://target.example.com 进行渗透测试

VulnClaw 自动执行：
  Round 1:  信息收集 → 指纹识别、端口扫描、目录枚举
  Round 2:  漏洞发现 → 检测注入点、已知 CVE、配置缺陷
  Round 3:  漏洞利用 → PoC 验证、权限获取
  Round 4:  报告生成 → 结构化报告 + Python PoC 脚本
```

<img width="1148" height="642" alt="image" src="https://github.com/user-attachments/assets/576e1cf6-25da-4969-864b-40e77d020dbf" />

<img width="2521" height="1300" alt="image" src="https://github.com/user-attachments/assets/9f8d62c1-8e19-4b25-a2c9-651338329e88" />

适用于已授权的渗透测试、CTF 竞赛、安全教学、红队演练等场景。

---

## 特性

- **模型主导求解引擎（默认）** — 类似 Claude Code/Codex 的自主循环，模型自己决定下一步、何时调用工具、何时完成/询问/判定无路可走
- **AgentState 证据记忆** — 工具结果统一写入 `AgentState.evidence`，raw 原文完整保留；active context 默认只注入高信号预览，`evidence_search` / `evidence_view` 用于按需回查原始证据
- **轻量纠偏层** — 工具调用前后记录重复调用、失败降级、耗时和新发现等信号；重复读取同一 evidence 范围会被抑制，连续证据空转会触发 stall guard，但不恢复旧阶段规划器
- **证据级反幻觉闸门** — 声称的 flag/结论必须在真实工具输出里逐字符出现才被采信，杜绝凭空编造 flag 的假胜利
- **自然语言驱动** — 用人话描述渗透意图，自动识别阶段和工具
- **13 个 LLM Provider** — OpenAI / Anthropic / MiniMax / DeepSeek / 智谱 / Moonshot / 千问 / SiliconFlow / 豆包 / 阶跃星辰 / 商汤 / OpenRouter / 本地 Ollama，一键切换
- **MCP 工具链** — 4 个 MCP 服务：`fetch` / `memory` 本地实现开箱即用，`chrome-devtools` / `burp` 对接外部 MCP 服务实现浏览器自动化和 HTTP 抓包重放
- **增强 fetch 请求工具** — 默认直接 GET 并返回完整响应 body，支持 HTTP/HTTPS、自定义 method/headers/params/cookies/body/data/form/json、timeout/redirect/TLS 控制；CTF/靶场 HTTPS 默认不校验证书
- **原生流量证据存储** — 按运行内作用域过滤后以追加式 JSONL 索引 + 每请求原始报文落盘于 `evidence/traffic/`，内置 `traffic_list` / `traffic_view` / `traffic_repeat` / `traffic_sitemap` 工具直接读写
- **AI Agent 核心** — OpenAI 兼容协议 + Tool Calling + 自主渗透循环
- **结构化推理 + 自适应反思** — 已知事实/约束/攻击链结构化沉淀；失败自动归类并按 L0-L4 渐进升级 payload 绕过策略
- **漏洞检测插件体系** — 低耦合插件运行时 + 内置只读 Web 插件，结果自动汇入报告链路（`vulnclaw plugins`）
- **50 个专项 Skill** — 覆盖 CTF、Web、内网、逆向、漏洞验证与授权红队知识库；Skill 只作为参考资料索引暴露给模型，正文需要模型主动调用 `load_skill_reference` 按需读取，不再作为强制剧本注入上下文
- **编解码/加解密工具** — 29 种操作（Base64/Hex/URL/AES/JWT/Morse 等），LLM 可精确调用，不再靠猜测
- **源码自动还原** — `fetch` / `http_probe_batch` 遇到 `highlight_file`、HTML 高亮源码或混杂 HTML/JS body 时会自动在 raw body 前追加 clean source；`http_probe_batch` 默认关闭 TLS 校验并记录完整响应头，避免丢失 `X-Powered-By` 等运行时证据；内置 `source_extract` 仍可用于按需重读历史 evidence，并固定危险 sink、表单与 endpoint 信号
- **本地命令验证** — 内置 `shell_command`，用于 `php -r` 反序列化验证、`curl` 精确请求、`rg`/`Select-String` 文件检索等 Codex-style 本地调试场景；raw stdout/stderr 完整写入 evidence，大输出进入模型时使用高信号预览
- **运行时差分探测** — 内置 `runtime_diff_probe`，用于正则/字符串过滤器与运行时解析器不一致的场景，帮助模型批量生成并验证“过滤器漏过、解析器接受”的候选；PHP 序列化模式会提示目标/本地运行时版本差异，并把 PHP5 signed length 候选标记为必须远程验证，避免被本地新版 PHP 误杀
- **Python 代码执行** — 内置 `python_execute` 工具，适合 payload 构造和响应解析；当前仍属高风险实验能力，不应视为强隔离沙箱
- **批量 HTTP 探测** — 内置 `http_probe_batch`，用于一次比较多组 URL/参数/header/body/raw URL 变体，默认返回每个响应的完整 body，并在模型可见输出中展示实际请求面（method、URL、params、headers、cookies、body/json），减少重复 LLM 轮次和手写请求代码
- **近成功防误停** — solve 保留证据闸门，并新增通用 `NO_PATH` 闸门：当源码 sink、表单/参数、请求面、本地 proof 或响应差异等高信号尚未耗尽时，不接受模型因单次 payload 无回显/远端 same-body 就提前判死
- **持续性渗透测试** — 周期循环（默认 100 轮/周期 × 10 周期 = 1000 轮），每周期自动生成报告
- **推理过程显示控制** — `think on/off` 一键切换 LLM 思考过程的显示/隐藏
- **沙盒模式提示词** — 解锁 AI 安全测试能力，CTF / 授权渗透场景专用
- **自动报告 & PoC** — 生成结构化 Markdown 报告和可运行的 Python PoC 脚本
- **Web UI 模式** — `vulnclaw web` 启动本地 Web 界面，默认 `127.0.0.1:7788`
- **安全知识库** — 已内置知识库模块与基础种子数据，检索增强正在逐步接入主流程

---

## 快速开始

### 安装

```bash
# 从 PyPI 安装（推荐）
pip install vulnclaw

# 从源码安装
git clone https://github.com/Netw0rkNoob/VulnClaw.git
cd VulnClaw
pip install -e .
```

### Docker 运行（可选）

镜像已内置 Web UI 以及默认 MCP 服务所需的运行时（`npx` / `uvx`），所有状态持久化到 `/data` 数据卷。

```bash
cp .env.example .env          # 填入 VULNCLAW_LLM_API_KEY 等
docker compose up --build      # 构建镜像并启动 Web UI
# 打开 http://127.0.0.1:7788
```

也可用纯 docker 运行某条 CLI 命令：

```bash
docker run --rm -it \
  -e VULNCLAW_LLM_API_KEY=sk-your-key-here \
  -v vulnclaw-data:/data \
  vulnclaw:latest scan <target>
```

> ⚠️ 容器内的 `localhost` 指向容器自身。扫描宿主机服务请使用 `host.docker.internal`，扫描其它容器请共享网络并用容器名访问。详见 [DOCKER.md](DOCKER.md)。

### 四步启动

```bash
# 1. 选择提供商（自动填充 Base URL 和模型名）
vulnclaw config provider minimax   (或 openai/anthropic/deepseek/zhipu/moonshot/qwen/siliconflow/ollama)

# 1.2（可选）自定义 Base URL 或模型名
vulnclaw config set llm.base_url https://your-own-api.example.com/v1 
vulnclaw config set llm.model your-model-name

# 2. 设置 API Key
vulnclaw config set llm.api_key sk-your-key-here
#    — 或改用 ChatGPT 订阅登录（无需 API Key）：
#      vulnclaw login   （浏览器登录；注意 ToS 风险）

# 3. 默认：打开原 CLI / REPL
vulnclaw

# 4. 可选：打开 TUI 工作台
vulnclaw tui
```

### 环境检查

```bash
vulnclaw doctor
```

输出示例：

```
🦞 VulnClaw 环境检查

  Python: 3.14.4
  Node.js: v24.14.1
  npx: 已安装
  nmap: 已安装

LLM 配置:
  Provider: openai
  Auth Mode: static
  Credentials: configured
  Base URL: https://api.openai.com/v1
  Model: gpt-4o

MCP 服务:
  fetch: 已启用 [P0]
  memory: 已启用 [P0]
  ...

✅ 环境就绪，运行 vulnclaw 开始
```

---

## CLI 命令速查

```bash
$ vulnclaw --help

🦞 VulnClaw — AI-powered penetration testing CLI

 Usage: vulnclaw [OPTIONS] COMMAND [ARGS]...

 Commands:
   run           🚀 一键全流程渗透测试（默认使用 solve 引擎）
   solve         🧩 目标驱动求解（模型主导，无固定轮数）
   persistent    🔄 持续性渗透测试（100轮/周期）
   recon         🔍 仅信息收集阶段
   scan          🔎 执行漏洞扫描阶段
   exploit       💥 执行漏洞利用阶段
   report        📝 从会话记录生成报告
   repl          💬 启动经典 REPL 交互界面
   config        ⚙️  管理配置（set/get/list/provider）
   plugins       🧩 管理漏洞检测插件（list/info/run）
   init          🔧 初始化配置
   doctor        🏥  检查运行环境
   tui           🖥️  打开终端图形化工作台
   web           🌐 启动本地 Web UI
   code          🧬 本地源码安全扫描（无需网络目标）
```

| 命令 | 说明 | 示例 |
|------|------|------|
| `vulnclaw` | 默认打开原 CLI / REPL | `vulnclaw` |
| `vulnclaw tui` | 终端图形化工作台 | `vulnclaw tui --target target.com` |
| `vulnclaw repl` | 启动经典 REPL 交互界面 | `vulnclaw repl` |
| `vulnclaw solve <target>` | 目标驱动求解（无固定轮数，拿到目标即停） | `vulnclaw solve target.com --goal "拿到flag"` |
| `vulnclaw run <target>` | 一键全流程渗透（默认走 solve 引擎） | `vulnclaw run 192.168.1.1` |
| `vulnclaw persistent <target>` | 持续性渗透（100轮/周期） | `vulnclaw persistent 192.168.1.1` |
| `vulnclaw recon <target>` | 仅信息收集（不利用漏洞） | `vulnclaw recon target.com` |
| `vulnclaw scan <target>` | 漏洞扫描阶段 | `vulnclaw scan target.com --ports 80,443` |
| `vulnclaw exploit <target>` | 漏洞利用阶段 | `vulnclaw exploit target.com --cve CVE-2024-1234` |
| `vulnclaw report <session>` | 从会话 JSON 生成报告 | `vulnclaw report session_xxx.json` |
| `vulnclaw config set <key> <value>` | 设置配置项 | `vulnclaw config set llm.api_key sk-xxx` |
| `vulnclaw config
````
