Конспект: AI Hackbot для Bug Bounty: Автоматизация разведки и маппинга API с помощью Claude и Kaido — VibCoderZ - VibeCoderz

Загрузка...

Саммари:

🎯 О чём этот конспект: Пошаговая архитектура и реализация автономного AI-бота (Hackbot v1) для поиска уязвимостей в Bug Bounty. Разбор принципа гибридной автоматизации «Code Gathers, Agent Judges» (код собирает, агент оценивает), интеграция классических CLI-утилит разведки с Claude и прокси-инструментом Kaido.

👤 Кому будет полезно: Специалистам по информационной безопасности, багхантерам, pentester-инженерам и вайбкодерам, автоматизирующим сбор и анализ данных с помощью ИИ-агентов.

✨ Что получите: Понимание того, как выстроить дешёвую и эффективную систему автономного мониторинга инфраструктуры целей, настроить генерацию коллекций API-эндпоинтов из JS Source Maps в Kaido и сократить расход LLM-токенов.

1. Архитектурный принцип «Code Gathers, Agent Judges» для экономии токенов

Контекст: Прогон всего сырого трафика и сотен тысяч доменов через большие языковые модели обходится в сотни долларов в день и быстро сжигает контекстные окна. Полноценный агент не должен тратить ресурсы на примитивные задачи поиска живых хостов или парсинга заголовков. Эффективная архитектура разделяет процесс на детерминированный сбор данных и семантическую оценку аномалий. Базовый код на Bash/Go выполняет рутину, а агент Claude получает только отфильтрованные артефакты (утечки source maps, FastAPI/Swagger спеки, Spring Actuator, незащищённые админки).

Тайминг: , ,

Выгода: Снижение расходов на API и подписки в десятки раз; окупаемость всей инфраструктуры (VPS + подписка Claude) за счёт одного минимального баунти в $200–$500.

Как применить:

Шаг 1: Разделение пайплайна — Сконфигурируйте скрипты сбора данных через классические CLI-утилиты (subfinder, httpx, ffuf, dnsx), чтобы они сохраняли результаты в структурированные JSON/Markdown файлы.
Шаг 2: Фильтрация перед передачей агенту — Настройте триггеры передачи данных в модель только при обнаружении потенциально критичных сигналов (например, статус dead -> alive, наличие файлов .js.map, эндпоинтов /actuator/, /swagger.json, /openapi.json).
Шаг 3: Формирование краткой выжимки для промпта — Передавайте агенту не мегабайты логов, а целевой URL, код ответа и сигнатуру найденного компонента для верификации гипотезы.

# Пример связки детерминированного сбора без использования LLM:
subfinder -d target.com -silent | dnsx -silent | httpx -silent -status-code -title -o alive_hosts.txt
ffuf -w wordlist.txt -u https://target.com/FUZZ -mc 200,401 -o results.json

Результат: Дешёвая, быстрая и масштабируемая система разведки, где LLM запускается точечно только на перспективных лидах.

2. Развёртывание и изолированное окружение на VPS

Контекст: Автономный бот должен работать непрерывно 24/7 без привязки к локальной рабочей станции. Для фоновой разведки, постоянного прослушивания Certificate Transparency логов и фаззинга эндпоинтов необходим удалённый виртуальный сервер. Связка локального тулинга с сервером настраивается через зашифрованные SSH-туннели, что позволяет безопасно проксировать локальные инструменты и графические интерфейсы (например, перенаправлять трафик в Kaido).

Тайминг: , ,

Выгода: Постоянная фоновая разведка целей без нагрузки на локальный процессор и сеть; безопасный доступ к веб-панелям анализатора через порт-форвардинг.

Как применить:

Шаг 1: Аренда VPS — Выберите конфигурацию сервера (например, Hostinger KVM2 с 2 ядрами CPU, 8 ГБ RAM, 100 ГБ NVMe или KVM8 для параллельного сканирования десятков программ).
Шаг 2: Установка базовой ОС — Разверните Ubuntu, Kali Linux или CloudPanel в зависимости от требований к окружению.
Шаг 3: Настройка SSH-туннеля для Kaido — Пробросьте порт прокси-сервера Kaido с удалённого сервера на локальную машину для безопасного управления трафиком.

# Проброс локального порта 771 на удалённый порт 8081, где запущен Kaido на VPS
ssh -L 771:127.0.0.1:8081 user@your-vps-ip -N -f

Результат: Удалённый сервер выполняет фоновый мониторинг целей, а интерфейс прокси доступен в локальном браузере через туннель.

3. Структура проекта: CLAUDE.md, Session Handover и техника «Grill Me»

Контекст: При долгосрочной разработке сложных AI-систем контекст агента неизбежно переполняется и сбрасывается. Чтобы бот не терял архитектурные ограничения, стек технологий и статус задач, весь проект должен быть стандартизирован через конфигурационные файлы правил и файлов состояния. Использование методики интерактивного интервью («Grill Me») позволяет модели самой задавать вопросы разработчику для выявления слепых зон и составления исчерпывающего файла правил.

Тайминг: , ,

Выгода: Бесшовный перезапуск сессий агента без потери контекста; устранение ложных срабатываний (галлюцинаций) при оценке уязвимостей.

Как применить:

Шаг 1: Создание структуры документации — Создайте файлы CLAUDE.md (системные правила и архитектура), runbook.md (инструкции запуска) и session.md (текущее состояние пайплайна и незавершённые задачи).
Шаг 2: Формирование North Star в CLAUDE.md — Зафиксируйте в правилах ключевую цель: максимальное количество верифицируемых лидов на один затраченный токен.
Шаг 3: Проработка правил через технику «Grill Me» — Попросите модель провести глубинное интервью перед написанием системных промптов, чтобы устранить ложные срабатывания (например, ложные CNAME Subdomain Takeover на внутренних GitHub страницах).

# Промпт для калибровки агента через "Grill Me":
Я хочу создать автономного AI-агента для разведки Bug Bounty в связке с CLI-инструментами. 
Примени режим "Grill Me": задай мне серию уточняющих вопросов по архитектуре, приоритетам ассетов,
ограничениям токенов и формату вывода данных. Не пиши код, пока мы не утвердим логику работы.

Результат: Устойчивая база знаний проекта, позволяющая Claude Code или любому агенту мгновенно входить в контекст после сброса сессии.

4. Разделение ролей агентов: Triage Agent и Deep Dive Prompt

Контекст: Один агент не может эффективно справляться одновременно с мониторингом потока новых поддоменов и глубоким анализом сложных цепочек уязвимостей. Для этого система разделяется на два контура: Triage Agent (агент первичной сортировки) и Deep Dive Agent (агент глубокого анализа). Triage запускается в фоновом headless-режиме каждые несколько часов для поиска сигналов изменений, а Deep Dive берет ровно один перспективный лид и исследует его параметры до верификации бага.

Тайминг: , ,

Выгода: Автоматическая фильтрация мусорного трафика; фокус аналитика только на проверенных векторах атак (admin panels, exposed actuators, token leaks).

Как применить:

Шаг 1: Настройка Triage Agent — Задайте агенту первичной сортировки расписание (например, запуск раз в 6 часов) и запретите выполнять активные атакующие действия.
Шаг 2: Конфигурация Deep Dive Agent — Передавайте агенту глубокого анализа контекст одного хоста и флаги стадии разведки.
Шаг 3: Эскалация в очередь человека — Настройте финальный шаг Deep Dive на формирование детального отчёта с шагами воспроизведения (PoC) для ручной проверки исследователем.

# Конфигурация системного промпта для Triage Agent:
Роль: Triage Agent для Bug Bounty мониторинга.
Режим работы: Headless, запуск раз в 6 часов на целевой скоуп.
Входные данные: Сырые диффы сканирования, список живых хостов, заголовки.
Задача: Конвертировать сырые сигналы изменений в структурированные лиды. 
Ограничение: Не совершать деструктивных запросов, не сканировать сторонние хосты. 
Результаты сохранять строго в директорию /targets/[target_name]/leads.

Результат: Полностью изолированный процесс триажа, поставляющий готовые задачи на человеческую ревью-валидацию.

5. Автоматическое извлечение API и экспорт коллекций в Kaido

Контекст: Современные SPA-приложения (Single Page Applications) компилируют всю маршрутизацию и эндпоинты в JavaScript-бандлы. При наличии оставленных на проде файлов JavaScript Source Maps (.js.map) можно восстановить исходный код фронтенда, схему роутов и приватные методы API. Ручной поиск и составление запросов из source maps занимает часы; автоматизация этого процесса позволяет за секунды восстановить полное дерево API и передать его в HTTP-прокси.

Тайминг: , , ,

Выгода: Мгновенное получение полного покрытия API целевого сервиса; автоматическая генерация коллекции запросов с методами GET/POST без необходимости вручную кликать по интерфейсу.

Как применить:

Шаг 1: Поиск Source Maps через скрипт фаззинга — Настройте правило проверки наличия ссылок на .map файлы при редиректах или парсинге бандлов.
Шаг 2: Извлечение маршрутов и параметров — Запустите модуль бота, который парсит JS-бандл и структурирует найденные маршруты (/admin/ai-models, /api/v1/chat, /docs/openapi.json).
Шаг 3: Экспорт в Kaido Replay Tab — Используйте CLI-команду интеграции с Kaido API для автоматического создания коллекций запросов в прокси.

# Команда модуля Hackbot для отправки найденного API бандла в Kaido:
hackbot to Kaido --target "john-deere" --finding-id "js-sourcemap-bundle"

Результат: В интерфейсе Kaido создается готовая коллекция с шаблонами запросов, готовая к дальнейшему фаззингу параметров и поиску BOLA/IDOR уязвимостей.

6. Синхронизация отчётов с GitHub для версионирования и защиты от потери данных

Контекст: Работа исключительно в терминале неудобна для чтения объемных JSON-отчетов и чревата потерей данных при случайном удалении каталогов или пересоздании VPS. Автоматический коммит всех находок и отчетов в приватный репозиторий GitHub решает проблему бэкапа и предоставляет удобный веб-интерфейс с Markdown-разметкой для чтения шагов воспроизведения (PoC).

Тайминг: , ,

Выгода: Полная сохранность всех найденных уязвимостей; возможность мгновенно развернуть бота на новом сервере через git pull; удобный просмотр отчетов в UI GitHub.

Как применить:

Шаг 1: Инициализация приватного репозитория — Создайте закрытый Git-репозиторий на GitHub и привяжите SSH-ключ сервера.
Шаг 2: Автогенерация Markdown-отчетов — Настройте бота сохранять каждую находку в отдельный файл с полями: Severity, URL, Evidence, Reproduction Steps, Recommendations.
Шаг 3: Автоматический коммит и пуш — Настройте фоновый триггер на пуш изменений после каждого завершенного цикла сканирования.

# Структура автокоммита для сохранения находок в Git:
git add targets/ findings/
git commit -m "Auto-recon update: new findings $(date +'%Y-%m-%d %H:%M')"
git push origin main

Результат: Централизованное, версионируемое хранилище всех этапов разведки и готовых черновиков баг-репортов.

FAQ

В: Зачем использовать гибридный подход «Code Gathers, Agent Judges», если можно передать весь процесс агенту на базе Claude? О: Передача сырых списков доменов и миллионов строк вывода фаззинга напрямую в LLM мгновенно исчерпает лимиты токенов и обойдется в сотни долларов в день. Классический код справляется с сетевыми запросами быстрее и детерминированнее, в то время как интеллект модели нужен только для анализа подозрительных JS-скриптов, нестандартных админок и генерации векторов атак.

В: Какой минимальный бюджет нужен для запуска подобного бота? О: Инфраструктура требует аренды базового VPS (около $100–$120 в год при покупке на 12–24 месяца) и подписки на Claude Max / Claude Code API (около $100 в месяц). При этом один найденный баг средней критичности ($200–$500) полностью окупает годовые затраты на систему.

В: Безопасно ли разрешать AI-агенту отправлять запросы к целевым API автоматически? О: Нет, полностью автономную отправку запросов следует ограничивать строгими правилами в системном промпте. Агент должен генерировать запросы в тестовую коллекцию прокси (например, Kaido) без их прямого исполнения по случайным хостам во избежание выхода за рамки скоупа программы (Out-of-Scope) или нарушения DoS-политик.

В: Как бороться с ложными срабатываниями (False Positives) вроде мнимых Subdomain Takeover на GitHub Pages? О: Для этого системные промпты калибруются на основе реальных ошибок. В файл правил CLAUDE.md и инструкции агента добавляются явные негативные сценарии (например: «Если CNAME указывает на внутренний GitHub org, к которому нет открытого доступа — не помечать это как Takeover и не слать уведомление»).

В: Какую роль играет Kaido в этой системе? О: Kaido выступает в роли веб-прокси и центра управления трафиком. Бот парсит фронтенд-файлы, реконструирует эндпоинты и через интеграционный скрипт отправляет структурированные запросы прямо в Replay-вкладку Kaido, избавляя багхантера от ручного формирования HTTP-запросов.

Ресурсы и ссылки

Hostinger VPS — Хостинг виртуальных серверов для непрерывного выполнения скриптов и агентов — hostinger.com/theomsteadvps (промокод: Nomseik).
Kaido — Современный HTTP-прокси инструмент для анализа веб-безопасности и тестирования на проникновение — упомянут в видео.
Claude / Anthropic — ИИ-модель и агент для проектирования архитектуры и триажа находок — упомянут в видео.
Subfinder, HTTPX, DNSX, FFUF — Набор консольных утилит для пассивной и активной веб-разведки — упомянуты в видео.
Critical Thinking Bug Bounty Podcast — Подкаст о методологиях поиска уязвимостей (авторы Justin Gardner, Rez0) — упомянут в видео.

Конспект создан на основе видео «I Built an AI Hackbot (Version 1)» канала Ben Sadeghipour. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=z5wQNqQ-e6M