adithyan-ak/AgentHound

해결하는 문제

AgentHound는 "에이전트 인프라" 즉, AI 에이전트, 모델 게이트웨이, 벡터 데이터베이스 및 추론 서버의 생태계 내에서 취약점과 공격 경로를 식별하기 위해 설계된 공격적 보안 프레임워크입니다. 이를 통해 보안 연구원과 레드팀은 침해된 호스트를 활용하여 AI 서비스로의 피벗, 자격 증명 탈취 또는 AI 도구를 통한 무단 작업 수행 방법을 발견할 수 있습니다.

작동 방식

이 프레임워크는 독립형 수집기와 선택적 분석 서버로 구성됩니다:

1. 수집: 정적 바이너리가 대상 호스트에 배포됩니다. 로컬 에이전트 구성(예: Claude Desktop, Cursor), 환경 비밀, 도달 가능한 AI 서비스(예: Ollama, vLLM, Qdrant)를 스캔합니다. 발견된 자격 증명을 자율적으로 재사용하여 이러한 서비스에 대한 액세스를 확인합니다.
2. 검증: MCP (Model Context Protocol) 리소스에 대한 차등 읽기 또는 도구 액세스를 증명하기 위한 가역적 변경과 같은 능동적 검증을 수행합니다.
3. 분석: 수집된 데이터는 JSON 아티팩트로 저장되며, 이는 발견된 내용을 쿼리 가능한 공격 그래프로 변환하는 서버에 수집될 수 있습니다. 이 그래프는 실행, 데이터 반출 및 가장을 위한 경로를 매핑합니다.

대상 사용자

AI 통합 환경 및 에이전트 스택의 보안 평가를 승인받은 레드팀 운영자 및 보안 전문가를 위해 구축되었습니다.

하이라이트

• 광범위한 공격 표면: MCP, A2A, 모델 게이트웨이(LiteLLM), 추론 서버(Ollama/vLLM), 벡터 스토어(Qdrant) 및 MLOps 도구(MLflow)를 매핑합니다.
• 자격 증명 재사용: 스캔 중에 발견된 API 키와 토큰을 자동으로 캡처하고 적용하여 추가 서비스 액세스의 잠금을 해제합니다.
• 증거 기반 증명: 실제(그리고 종종 가역적인) 읽기 및 호출을 수행하여 액세스를 증명함으로써 단순한 도달 가능성 추측을 넘어섭니다.
• 그래프 네이티브 분석: 특정 자격 증명이 셸 실행이나 데이터 반출이 가능한 도구로 어떻게 이어지는지와 같은 복잡한 공격 경로를 시각화합니다.
• 스텔스 모드: 운영 보안(OPSEC)이 우선시될 때 읽기 전용 수집을 위한 --stealth 플래그가 포함되어 있습니다.