adithyan-ak/AgentHound

解決的問題

AgentHound 是一個攻擊性安全框架，旨在識別「代理式基礎設施」中的漏洞與攻擊路徑——即由 AI 代理、模型閘道、向量資料庫與推論伺服器所組成的生態系。它協助安全研究人員與紅隊發現如何利用受感染的主機作為跳板，滲透至 AI 服務、竊取憑證，或透過 AI 工具執行未經授權的行動。

運作方式

該框架由一個獨立的收集器和一個選用的分析伺服器組成：

1. 收集： 將靜態二進位檔案部署至目標主機。它會掃描本機代理設定（例如 Claude Desktop、Cursor）、環境機密資訊，以及可連線的 AI 服務（例如 Ollama、vLLM、Qdrant）。它會自主重複使用發現的憑證來驗證對這些服務的存取權。
2. 驗證： 執行主動驗證，例如對 MCP (Model Context Protocol) 資源進行差異讀取，或透過可逆變更來證明工具存取權。
3. 分析： 收集的資料會儲存為 JSON 構件，可匯入伺服器中，將發現的結果轉換為可查詢的攻擊圖。此圖會映射執行、資料竊取與冒充的路徑。

適用對象

專為獲授權評估 AI 整合環境與代理式堆疊安全性的紅隊操作員與安全專業人員所打造。

特色

• 廣泛的攻擊面： 映射 MCP、A2A、模型閘道（LiteLLM）、推論伺服器（Ollama/vLLM）、向量儲存庫（Qdrant）與 MLOps 工具（MLflow）。
• 憑證重複使用： 在掃描期間自動擷取並套用發現的 API 金鑰與權杖，以解鎖進一步的服務存取權。
• 基於證據的證明： 透過執行實際（且通常是可逆的）讀取與呼叫來證明存取權，超越了單純的連線猜測。
• 圖形原生分析： 視覺化複雜的攻擊路徑，例如特定憑證如何導向能夠執行 shell 或資料竊取的工具。
• 隱蔽模式： 當作業安全（OPSEC）為優先考量時，包含 --stealth 旗標以進行唯讀收集。