adithyan-ak/AgentHound

解決する課題

AgentHoundは、「エージェントインフラストラクチャ」、つまりAIエージェント、モデルゲートウェイ、ベクターデータベース、推論サーバーのエコシステム内の脆弱性と攻撃パスを特定するために設計された攻撃的セキュリティフレームワークです。セキュリティ研究者やレッドチームが、侵害されたホストを使用してAIサービスへの侵入、資格情報の盗難、またはAIツールを通じた不正なアクションの実行にどのように悪用される可能性があるかを発見するのに役立ちます。

仕組み

このフレームワークは、スタンドアロンのコレクターとオプションの分析サーバーで構成されています：

1. 収集： 静的バイナリがターゲットホストにデプロイされます。ローカルエージェントの設定（例：Claude Desktop、Cursor）、環境のシークレット、到達可能なAIサービス（例：Ollama、vLLM、Qdrant）をスキャンします。発見した資格情報を自律的に再利用して、これらのサービスへのアクセスを検証します。
2. 検証： MCP (Model Context Protocol) リソースの差分読み取りや、ツールアクセスを証明するための可逆的な変更など、アクティブな検証を実行します。
3. 分析： 収集されたデータはJSONアーティファクトとして保存され、発見内容をクエリ可能な攻撃グラフに変換するサーバーに取り込むことができます。このグラフは、実行、データ持ち出し、なりすましのパスをマッピングします。

対象者

AI統合環境とエージェントスタックのセキュリティ評価を許可されたレッドチームのオペレーターおよびセキュリティ専門家のために構築されています。

ハイライト

• 広範な攻撃面： MCP、A2A、モデルゲートウェイ（LiteLLM）、推論サーバー（Ollama/vLLM）、ベクターストア（Qdrant）、MLOpsツール（MLflow）をマッピングします。
• 資格情報の再利用： スキャン中に発見されたAPIキーとトークンを自動的にキャプチャして適用し、さらなるサービスへのアクセスをアンロックします。
• 証拠に基づく証明： 実際の（そして多くの場合可逆的な）読み取りと呼び出しを実行してアクセスを証明することで、到達可能性の推測を超えます。
• グラフネイティブ分析： 特定の資格情報がシェル実行やデータ持ち出しが可能なツールにどのようにつながるかなど、複雑な攻撃パスを視覚化します。
• ステルスモード： 運用セキュリティ（OPSEC）が優先事項である場合に、読み取り専用の収集のための --stealth フラグが含まれています。