AIFuzzing

<img src="https://img.shields.io/github/stars/darkfiv/AIFuzzing?style=social" alt="GitHub stars">
<img src="https://img.shields.io/github/release/darkfiv/AIFuzzing.svg" alt="GitHub release">

🚀 智能越权与未授权访问检测工具

<a href="#✨-核心功能">功能</a> •
<a href="#📦-安装指南">安装</a> •
<a href="#🚀-快速开始">快速开始</a> •
<a href="#⚙️-配置说明">配置</a> •
<a href="#📚-使用教程">教程</a>

AIFuzzing 是一款基于代理的被动式 Web 安全扫描工具，专注于检测未授权访问和越权漏洞。通过拦截和分析应用程序流量，自动发现潜在的安全问题，并提供智能化的结果分析和管理功能。

🎯 核心优势

📊 智能结果管理

• 误报标记系统：快速标记和筛选误报结果，提升分析效率
• 多维度筛选：支持按漏洞类型、状态、请求方法等筛选
• 可视化展示：直观的Web界面，实时查看扫描进度和结果
• 多格式导出：支持Excel、JSON、CSV格式报告导出

🔍 智能分层检测

• 显著降低误报：内置规则+AI分析，误报率降低60%以上
• 提高检出率：多维度验证机制，检出率提升40%
• 智能资源管理：按需调用AI，检测成本降低50%
• 深度场景分析：复杂漏洞检出率提升70%

🛡️ 安全可靠

• 安全内容展示：修复HTML响应解析渲染问题，确保内容安全显示
• 被动式扫描：不影响业务正常运行
• 多重验证：响应相似度+敏感数据+AI分析

✨ 核心功能

🔎 漏洞检测能力

• 未授权访问检测：自动移除授权头部并重放请求
• 越权漏洞检测：识别并替换请求中的敏感参数
• 敏感数据识别：检测响应中的敏感信息泄露
• 智能置信度评分：多维度评估漏洞可能性

🎛️ 结果管理功能

• 误报标记：一键标记误报，快速筛选真实漏洞
• 高级筛选：多条件组合筛选，精准定位目标结果
• 详情对比：并排显示原始请求与测试请求的差异
• 批量操作：支持批量导出和状态管理

🤖 AI 智能分析

• 多模型支持：DeepSeek、GPT、GLM等主流AI模型
• 智能决策：先规则检测，必要时调用AI深度分析
• 语义理解：准确识别复杂业务逻辑中的安全问题

📈 可视化界面

• 实时监控：动态展示扫描统计和进度
• 响应式设计：支持各种设备访问
• 交互友好：直观的操作界面，降低使用门槛

🏃 检测流程

graph TD
    A[捕获HTTP请求] --> B[内置规则检测]
    B --> C{发现漏洞?}
    C -->|是| D[生成结果]
    C -->|否| E{AI启用?}
    E -->|是| F[AI深度分析]
    E -->|否| G[相似度+敏感数据检测]
    F --> H[生成AI分析结果]
    G --> I[生成检测结果]
    H --> J[展示在Web界面]
    I --> J
    D --> J
    J --> K[用户标记误报]
    K --> L[筛选真实漏洞]

📦 安装指南

系统要求

• 支持 Windows、macOS 和 Linux
• 建议至少 4GB RAM

方式一：下载预编译版本（推荐）

从 Releases 下载对应平台的二进制文件：

平台	文件名
Windows	AIFuzzing_windows_amd64.zip
macOS (Apple Silicon)	AIFuzzing_macos_arm64.zip
macOS (Intel)	AIFuzzing_macos_amd64.zip
Linux	AIFuzzing_linux_amd64.zip

解压后包含： - 可执行文件 (AIFuzzing 或 AIFuzzing.exe) - 配置文件 (config.json) - Web界面文件 (index.html) - 白名单配置文件 (whitelist.txt)

方式二：从源码编译

如果您需要自定义功能或开发版本，可以从源码编译：

环境要求

• Go 1.18 或更高版本
• Git

编译步骤

1. 克隆仓库

git clone https://github.com/darkfiv/AIFuzzing.git
cd AIFuzzing

1. 安装依赖

go mod download

1. 编译项目

# 编译当前平台版本
go build -o AIFuzzing

# 编译多平台版本
# Windows
GOOS=windows GOARCH=amd64 go build -o AIFuzzing.exe

# macOS (Intel)
GOOS=darwin GOARCH=amd64 go build -o AIFuzzing_macos_amd64

# macOS (Apple Silicon)
GOOS=darwin GOARCH=arm64 go build -o AIFuzzing_macos_arm64

# Linux
GOOS=linux GOARCH=amd64 go build -o AIFuzzing_linux_amd64

1. 运行项目

# 使用默认配置
./AIFuzzing

# 指定配置文件
./AIFuzzing -config my-config.json

# 指定端口
./AIFuzzing -port 9090

开发模式运行

# 启用调试日志
./AIFuzzing -log debug

# 启用文件日志
./AIFuzzing -logFile

# 禁用Web界面（仅代理模式）
./AIFuzzing -disableWebUI

🛠️ 开发指南

项目结构

AIFuzzing/
├── main.go              # 主程序入口
├── config/              # 配置管理
├── scanner/             # 扫描核心逻辑
├── utils/               # 工具函数
├── workerpool/          # 工作池管理
├── similarity/          # 相似度计算
├── static/              # 静态资源文件
├── index.html           # Web界面
└── config.json          # 配置文件

开发环境搭建

1. 确保已安装Go 1.18+
2. 克隆项目并进入目录
3. 运行 go mod download 安装依赖
4. 使用 go run main.go 启动开发模式

🚀 快速开始

1. 启动服务

# Windows
AIFuzzing.exe

# macOS/Linux
./AIFuzzing

2. 配置代理

• 设置浏览器代理：127.0.0.1:9080
• 安装HTTPS证书（首次使用）

3. 开始扫描

• 正常使用目标应用
• 访问 http://127.0.0.1:8222 查看结果

4. 结果分析

• 🔍 使用筛选功能定位关键漏洞
• 🏷️ 标记误报，提高分析效率
• 📊 查看详细漏洞信息和对比
• 📋 导出分析报告

⚙️ 配置说明

点击展开配置详情

{
  "proxy": {
    "port": 9080,
    "streamLargeBodies": 102400
  },
  "unauthorizedScan": {
    "enabled": true,
    "removeHeaders": ["Authorization", "Cookie", "Token"],
    "similarityThreshold": 0.5,
    "excludePatterns": ["/static/", "/login", "/logout"]
  },
  "privilegeEscalationScan": {
    "enabled": true,
    "similarityThreshold": 0.6,
    "paramPatterns": ["id=\\d+", "userId=\\d+"]
  },
  "AI": "deepseek",
  "apiKeys": {
    "deepseek": "sk-xxx",
    "gpt": "sk-xxx",
    "glm": "sk-xxx"
  }
}

主要配置项

配置项	说明	默认值
proxy.port	代理服务器端口	9080
unauthorizedScan.enabled	是否启用未授权扫描	true
unauthorizedScan.similarityThreshold	响应相似度阈值	0.5
privilegeEscalationScan.enabled	是否启用越权扫描	true
AI	默认AI模型	deepseek

💡 使用技巧

最佳实践

1. 渐进式配置：先使用默认配置测试，再根据结果调优
2. 合理设置阈值：根据目标应用特点调整相似度阈值
3. 善用排除规则：添加静态资源等无关路径到排除列表
4. 利用误报标记：及时标记误报，提高后续分析效率

性能优化

• 调整 streamLargeBodies 处理大响应体
• 设置合理的排除规则减少无效扫描
• 根据需求选择是否启用AI分析

结果分析

• 🎯 优先关注高置信度漏洞
• 📋 结合响应内容判断漏洞真实性
• 🏷️ 使用标签功能管理大量结果
• 📊 定期导出报告进行趋势分析

❓ 常见问题

无法截获HTTPS请求

1. 确认已正确安装并信任HTTPS证书
2. 检查浏览器代理设置
3. 重启浏览器和工具

误报太多怎么办

1. 使用误报标记功能快速筛选
2. 调整置信度阈值配置
3. 添加排除规则
4. 启用AI分析减少误报

性能问题

1. 调整大响应处理阈值
2. 优化排除规则配置
3. 合理控制并发扫描数量

📚 使用教程

• 📖 详细使用教程

🔄 更新日志

v1.0.7

• ✅ 解决内网环境下结果展示界面渲染错乱的问题

查看完整更新日志

🤝 反馈与支持

欢迎提交Issue来帮助改进AIFuzzing！

• 🐛 报告Bug
• 💡 功能建议

技术交流群

有什么问题可以进群问

📄 免责声明

AIFuzzing 仅用于合法的安全测试和研究目的。用户必须获得测试目标系统的授权，且需遵守当地法律法规。开发者对因滥用本工具导致的任何损失不承担责任。

---

如果这个项目对您有帮助，请给个 ⭐️ Star 支持一下！

_{Built with ❤️ by DarkFi5}