7scanAI — AI 驱动的自动化安全扫描Pipeline

2026-08-12 22:48:35 25 34025

7scanAI — AI 驱动的自动化安全扫描 Pipeline

给 AI 一个根域名,自动完成:子域名发现 → DNS 解析 → 端口扫描 → Web 指纹 → 目录爆破 → 备份扫描 → 漏洞检测 → 结果研判 → HTML 报告

https://github.com/VMsec/7scanAI

本skill插件从我自己的工具流编排脚本修改而来,工具和流程限制相对严格,由于个人经验有限,难免有些不够细致的地方,欢迎大家提出建议,仅适配Linux下的Ubuntu/Debian,已经过GPT+DeepSeek经过多轮实战进行自我完善。

安装后使用方法很简单

扫 target.com,端口扫全端口,需要截图
扫 target.com,快速扫一下(top-100 端口,不截图,不开域名变形)
扫 target.com,有泛解析别开域名变形,端口 top-1000 不截图

# 我常用的Claude Code设定目标模式
/goal 并行扫描target1.com,target2.com,target3.com 达到出完整报告的程度,运行中遇到的任何问题尝试解决,进程长时间挂住无反应主动kill,我需要扫top1000端口,不做子域名变形,截图关闭

设计理念

传统脚本是固定的编排流程,AI 无法介入决策。7scanAI 把同样的逻辑编码为 AI 可理解的工作流,让 AI 充当编排器:判断泛解析、处理重试、交叉验证结果、给出渗透方向。

核心原则:

  • AI 严格按 SKILL.md 中的命令参数和顺序执行,不凭记忆拼命令
  • 每个阶段有明确 checkpoint,通过才进入下一步
  • 扫描前一次性确认(端口范围 + 域名变形 + 截图开关),扫描中零交互
  • 任何步骤失败自动重试 3 次(间隔 2s/4s/8s),anew 保证断点续跑不污染数据
  • 所有 bash 代码块以 set -o pipefail 开头,防止管道中间态错误静默丢失
  • Python 工具 git clone 后必须 pip3 install -r requirements.txt --break-system-packages
  • 默认进入自治执行模式:优先自动修依赖、切 fallback、局部重跑,再决定是否中止

工作流总览(8 个 Phase)

用户: "扫 baidu.com"
  │
  ├─ Phase 1  Intake         确认目标 + 端口范围 + 域名变形 + 截图开关,创建目录
  │
  ├─ Phase 2  Subdomain      7 个工具多源收集子域名
  │                           OneForAll → ksubdomain → subDomainsBrute
  │                           → subfinder → gau → jsubfinder
  │
  ├─ Phase 3  DNS            泛解析检测(3次重试) → dnsgen/alterx 排列(可选)
  │                          → dnsx 解析 → 内外网分离
  │
  ├─ Phase 4  Port           IP 提取 → CDN 过滤(nali+nocdn)
  │                          → naabu 端口扫描(用户选择范围)
  │
  ├─ Phase 5  Web            httpx 指纹 → 智能分类(高价值/泄露风险)
  │                          → gowitness 截图(可选)
  │
  ├─ Phase 6  Vuln           6 引擎串行扫描:
  │                          kscan指纹/弱口令 → afrog(分批) → 备份扫描
  │                          → dirsearch → nuclei → katana+fuzz
  │
  ├─ Phase 7  Report         统计汇总 → AI 逐条研判
  │                          → 渗透方向建议 → 生成 HTML 报告
  │
  └─ Phase 8  Exploit        AI 自主利用攻击 → 弱口令登录
                             → SQL注入/备份泄露 → 登录口爆破
                             → 注册越权 → OAuth滥用 → 凭据喷洒
                             → 生成利用报告

文件清单

7scanAI/
├── SKILL.md                       # 轻量主控 skill(触发条件、规则、phase 编排)
├── README.md                      # 本文件
├── .codex-plugin/
│   └── plugin.json                # Codex 插件描述
├── .claude-plugin/
│   └── plugin.json                # Claude Code 插件描述
├── .claude/
│   └── skills/
│       └── 7scanai/
│           └── SKILL.md           # Claude Code 项目级 skill 入口
├── skills/
│   └── 7scanai/
│       └── SKILL.md               # Codex 兼容层,指向根目录权威流程
└── references/
    ├── install.md                 # 详细安装指南
    ├── config.md                  # 配置说明
    ├── pipeline/
    │   ├── full-workflow.md       # 命令级原始长版流程
    │   ├── 02-subdomain-tools.md  # 子域名工具参数说明
    │   ├── 04-port-strategy.md    # 端口扫描策略
    │   ├── 06-vuln-engines.md     # 漏洞引擎参数说明
    │   └── 08-exploitation.md     # 漏洞利用 playbook
    └── scripts/
        ├── auto_install.sh        # 环境预检 + 缺失自动安装
        ├── auto_dirsearch.py      # 智能目录爆破(1C1G 自适应)
        └── generate_report.py     # 生成离线 HTML 报告

结果目录结构

targets/<domain>/
├── whois_info/
│   └── <domain>.html
├── oneforall_subdomains/
│   └── oneforall.txt
├── ksubdomain_subdomains/
│   └── ksubdomain.txt
├── subdomainsbrute_subdomains/
│   └── subdomainsbrute.txt
├── subfinder_subdomains/
│   └── subfinder.txt
├── gau_subdomains/
│   ├── url.txt
│   └── gau.txt
├── jsubfinder_subdomains/
│   └── jsubfinder.txt
├── dnsgen_subdomains/
│   └── dnsgen.txt              # 仅非泛解析 + 用户启用时
├── alterx_subdomains/
│   └── alterx.txt              # 仅非泛解析 + 用户启用时
├── collect_subdomains/
│   └── collect_subdomains.txt
├── active_subdomains/
│   ├── active_subdomains2ips.txt
│   ├── active_subdomains.txt
│   └── active_subdomains_intranet.txt
├── active_ips/
│   └── active_ips.txt
├── active_all/
│   └── active_all.txt
├── active_ports/
│   ├── active_ports.txt
│   ├── active_ips_ports.txt
│   ├── active_webs_ports.txt
│   ├── active_webs_portsfinger.txt
│   └── active_ips_portsfinger.txt
├── active_webs/
│   ├── active_websfinger.json
│   ├── active_webs.txt
│   ├── high_value_targets.txt
│   └── leak_risks.txt
├── afrog_scan_results/
│   ├── part_*.json
│   └── *.html
├── backup_result/
│   └── backup_scan.txt
├── brute_result/
│   └── brute_success.txt
├── dirsearch_result/
│   └── smart_scan_*.txt
├── nuclei_fuzzing_result/
│   ├── nuclei-templates_fuzzing.txt
│   ├── nuclei-DAST_fuzzing.txt
│   ├── katana_urls.txt
│   └── uro_urls.txt
├── web_screenshots/
│   ├── gowitness.sqlite3
│   └── screenshots/*.png
├── exploit_result/
│   ├── exploit_log.txt
│   ├── exploit_success.txt
│   ├── harvested_credentials.txt
│   └── evidence/
└── <domain>_7scanAI_report.html

最后感慨一下,AI时代的变化日新月异,对网安行业带来的冲击也是显而易见的,我的态度比较悲观,也许未来有一天也会彻底离开这个行业...其实当个厨师或者Tony也挺好的😀

关于作者

Se7en哟33篇文章510篇回复

男的

评论25次

要评论?请先  登录  或  注册
  • 25楼
    2026-9-23 14:21

    工作流+mcp(工具集)+RAG知识库+llm引擎 基本实现自动化渗透初级条件,后面比对的就是业务调度能力和知识库能力了

  • 24楼
    2026-9-18 14:56

    最近半年一直在用AI做测试,然后每次结束都让它再总结一遍留存,看它的思路和手法,没办法只能跟着AI学xi了,顶多纠正一下逻辑错误或者方向

  • 23楼
    2026-9-17 20:50

    7scanAI 红队视角分析

    工具定位

    7scanAI 是一个高度集成的侦察-扫描-利用自动化管道,本质上是将多个开源工具用 AI 决策层串联。Phase 8 直接包含 exploit 模块(弱口令爆破、SQL注入利用、凭据喷洒等),说明这是一个攻击链路完整的工具链。

    攻击价值评估

    优势方面:

    • 多源子域名收集(7个工具交叉)能最大化 attack surface 暴露
    • 泛解析检测 + DNS 变形是实战中区分真实目标的关键,减少噪音
    • CDN 过滤(nali+nocdn)避免把 Cloudflare/IP 污染进扫描目标
    • 8个 phase 覆盖了外网渗透的标准路径:侦察→打点→横向前哨

    实战局限:

    • 所有工具都是已知签名(naabu/nuclei/afrog 的扫描特征已被 EDR 标记)
    • gowitness 截图 + 固定工具路径产生明显指纹
    • 缺少 WAF 规避机制(无随机延迟、请求头伪装、代理池)
    • Phase 8 的 exploit 模块是简单的工具调用,缺乏上下文感知

    典型攻击路径

    根域名 → 子域名撑开(Phase 2-3) → 端口收敛(Phase 4) → Web 指纹筛选高价值资产(Phase 5) → 漏洞验证(Phase 6) → 利用入口点(Phase 8) → 报告输出

    这套流程对应 外网打点 → 突破口筛选 → 初步利用 的标准红队作业模式。Phase 6 的 nuclei + afrog 组合能覆盖 CVE-2024-XXXX 等已知漏洞,dirsearch 找备份文件可能直接拿到源码或配置文件。

    实战注意事项

    1. IP 预热:目标若有 Cloudflare/WAF,用 nocdn 先过滤,否则端口扫描触发封禁
    2. 线程控制:naabu 和 dirsearch 默认高并发,容易打崩目标或触发 Rate Limit
    3. 截图存档:gowitness 生成的 SQLite 可作为截图取证的证据链
    4. 报告利用:HTML 报告的结构化输出便于给客户展示,也可作为攻击路径复盘文档

    这个工具本质上是一个高效率侦察框架,核心价值在 Phase 2-5 的信息收集阶段。Phase 8 的 exploit 属于基础自动化,真正的深度利用仍需人工介入。

  • 22楼
    2026-9-17 15:34

    有兄弟跑过的吗,效率咋样

  • 21楼
    2026-9-17 09:45

    这样一条龙跑的话,会不会漏掉很多东西,在自动化跑的时候,觉得会不会加入分布式好一点,防止被拉黑,或者加入代理池

  • 20楼
    2026-9-7 13:28

    Ai比人贵也是暂时的。 有了AI后,人可以把精力放在更需要地方。

  • 19楼
    2026-9-6 13:01

    其实当个厨师或者Tony也挺好的,不要以为厨师好当。。。没当过真体会不到

  • 18楼
    2026-8-27 07:00

    看到一些刚入行的通过ai挖洞,心里其实有点失落,可能再过几年我真的要被淘汰掉了,果真适者生存。

  • 17楼
    2026-8-26 21:53

    ai已经接管我了

  • 16楼
    2026-8-26 16:19

    发展太快了,已经准备跑滴滴了

  • 15楼
    2026-8-26 16:00

    还能坚持多久都不知道,看来发展太愉,对牛马不一定是好事

  • 14楼
    2026-8-25 15:21

    最近ai太火了

  • 13楼
    2026-8-25 10:38

    兼职 跑外卖的路过 其实 出ai后 我岁数也大了 就兼职外卖了

  • 12楼
    2026-8-19 19:45

    卖炒粉也还是很有前途的

  • 11楼
    2026-8-18 10:26

    感谢分享,那现在学理发还来得及吗,哈哈

  • 10楼
    2026-8-17 15:24

    Ai比人贵,不能背锅

  • 9楼
    2026-8-17 10:51

    我觉得这种是流程化的东西,那么就应该做出sass平台完事了,AI只负责对获取的信息制作成报告,虽然也没太大用处。

  • 8楼
    2026-8-17 10:39

    我跟你态度一样是悲观的。

  • 7楼
    2026-8-17 01:23

    哪都是AI.......

  • 6楼
    2026-8-16 21:13
    smelond:

    从去年就开始悲观了,当第一次拿claude直接帮我做信息搜集的时候,我就知道,我被淘汰了,有时候在电脑面前坐久了其实挺想去开大车的

    1

    开大车比坐着都难受!