adithyan-ak/AgentHound

解决的问题

AgentHound 是一个攻击性安全框架，旨在识别“代理式基础设施”中的漏洞和攻击路径——即由 AI 代理、模型网关、向量数据库和推理服务器组成的生态系统。它帮助安全研究人员和红队发现如何利用受感染的主机作为跳板，渗透到 AI 服务、窃取凭证，或通过 AI 工具执行未经授权的操作。

工作原理

该框架由一个独立的收集器和一个可选的分析服务器组成：

1. 收集： 将静态二进制文件部署到目标主机。它会扫描本地代理配置（例如 Claude Desktop、Cursor）、环境机密信息，以及可访问的 AI 服务（例如 Ollama、vLLM、Qdrant）。它会自主重用发现的凭证来验证对这些服务的访问权限。
2. 验证： 执行主动验证，例如对 MCP (Model Context Protocol) 资源进行差异读取，或通过可逆变更来证明工具访问权限。
3. 分析： 收集的数据将保存为 JSON 构件，可被摄取到服务器中，将发现的结果转换为可查询的攻击图。此图映射了执行、数据泄露和冒充的路径。

适用人群

专为获授权评估 AI 集成环境和代理式堆栈安全性的红队操作员和安全专业人员而构建。

亮点

• 广泛的攻击面： 映射 MCP、A2A、模型网关（LiteLLM）、推理服务器（Ollama/vLLM）、向量存储库（Qdrant）和 MLOps 工具（MLflow）。
• 凭证重用： 在扫描期间自动捕获并应用发现的 API 密钥和令牌，以解锁进一步的服务访问权限。
• 基于证据的证明： 通过执行实际（且通常是可逆的）读取和调用来证明访问权限，超越了单纯的可达性猜测。
• 图原生分析： 可视化复杂的攻击路径，例如特定凭证如何导向能够执行 shell 或数据泄露的工具。
• 隐蔽模式： 当优先考虑操作安全（OPSEC）时，包含 --stealth 标志以进行只读收集。