PrivHunterAI/README.md

# PrivHunterAI   
一款通过被动代理方式，利用主流 AI（如 Kimi、DeepSeek、GPT 等）检测越权漏洞的工具。其核心检测功能依托相关 AI 引擎的开放 API 构建，支持 HTTPS 协议的数据传输与交互。
## 时间线
- 2025.02.18
  1. ⭐️新增扫描失败重试机制，避免出现漏扫；
  2. ⭐️新增响应Content-Type白名单，静态文件不扫描；
  3. ⭐️新增限制每次扫描向AI请求的最大字节，避免因请求包过大导致扫描失败。
- 2025.02.25 -02.27
  1. ⭐️新增对URL的分析（初步判断是否可能是无需数据鉴权的公共接口）；
  2. ⭐️新增前端结果展示功能。
  3. ⭐️新增针对请求B添加其他headers的功能（适配有些鉴权不在cookie中做的场景）。
- 2025.03.01
  1. 优化Prompt，降低误报率；
  2. 优化重试机制，重试会提示类似:`AI分析异常，重试中，异常原因： API returned 401: {"code":"InvalidApiKey","message":"Invalid API-key provided.","request_id":"xxxxx"}`，每10秒重试一次，重试5次失败后放弃重试（避免无限重试）。
- 2025.03.03
  1. 💰成本优化：在调用 AI 判断越权前，新增鉴权关键字（如 “暂无查询权限”“权限不足” 等）过滤环节，若匹配到关键字则直接输出未越权结果，节省 AI tokens 花销，提升资源利用效率;
- 2025.03.21
  1. ⭐️新增终端输出请求包记录。
  

## 工作流程
<img src="https://github.com/Ed1s0nZ/PrivHunterAI/blob/main/img/%E6%B5%81%E7%A8%8B.png" width="800px">  

## Prompt
```json
{
  "role": "你是一个专注于HTTP语义分析的越权漏洞检测专家，负责通过比较http数据包来检测潜在的越权漏洞，并自行做出合理谨慎的判断。",
  "input_params": {
    "reqA": "原始请求对象（含URL/参数）",
    "responseA": "账号A正常请求的响应数据",
    "responseB": "替换为账号B凭证后的响应数据",
    "statusB": "账号B的HTTP状态码（优先级：403>500>200）"
  },
  "analysis_flow": {
    "preprocessing": [
      "STEP1. 接口性质判断：判断是否是公共接口（如验证码获取等，该项需严格判断）",
      "STEP2. 动态字段过滤：自动忽略动态字段，如request_id、timestamp等"
    ],
    "core_logic": {
      "快速判定通道（优先级从高到低）": [
        "1. 非越权行为:若resB.status_code为403/401 → 判断为无越权行为（false）",
        "2. 非越权行为:若resB为空(null/[]/{})且resA有数据 → 判断为无越权行为（false）",
        "3. 越权行为:若resB和resA的字段完全一致，且未发现账号B的信息 → 判断为越权行为（true）",
        "4. 越权行为:若resB包含resA的字段（如user_id/email/balance） → 判断为越权行为（true）",
        "5. 越权行为:若返回数据均为账号A的数据 → 判断为越权行为（true）",
        "6. 无法判断:若resB.status_code为500 → 无法判断（unknown）"
      ],
      "深度分析模式（当快速通道未触发时执行）": {
        "结构对比": [
          "a. 字段层级对比（使用JSON Path分析嵌套结构差异）",
          "b. 关键字段匹配（如data/id/account相关字段的命名和位置）"
        ],
        "语义分析": [
          "i. 数值型字段：检查是否符合同类型数据特征（如金额字段是否在合理范围）",
          "ii. 文本型字段：检查命名规范是否一致（如用户ID是否为相同格式）"
        ]
      }
    }
  },
  "decision_tree": {
    "true": [
      "非公共接口 && 结构相似度>80%，判断为越权（res返回true）",
      "关键业务字段（如订单号/用户ID/手机号等）的值和层级完全一致，判断为越权（res返回true）",
      "resB和resA的字段完全一致，且均返回了账号A的数据，未出现账号B的相关信息，判断为越权（res返回true）",
      "操作类接口返回success:true且结构相同（如修改密码成功），判断为越权（res返回true）"
    ],
    "false": [
      "公共接口（如验证码获取、公共资源获取等，该项需严格判断），判断为非越权（res返回false）",
      "结构差异显著（字段缺失率>30%），判断为非越权（res返回false）",
      "关键业务字段（如订单号/用户ID/手机号等）的值或层级不一致，判断为非越权（res返回false）"
    ],
    "unknown": [
      "既不满足true_condition，又不满足false_condition的情况，无法判断（res返回unknown）",
      "结构部分匹配（50%-80%相似度），无法判断（res返回unknown）",
      "返回数据为系统默认值（如false/null），无法判断（res返回unknown）",
      "存在加密/编码数据影响判断，无法判断（res返回unknown）"
    ]
  },
  "output_spec": {
    "json": {
      "res": "\"true\", \"false\" 或 \"unknown\"",
      "reason": "按分析步骤输出详细的分析过程及分析结论"
    }
  },
  "notes": [
    "判断为越权时，res返回true；判断为非越权时，res返回false；无法判断时，返回unknown；不用强行判断是否越权，无法判断就是无法判断",
    "仅输出 JSON 格式的结果，不添加任何额外文本或解释。",
    "确保 JSON 格式正确，便于后续处理。",
    "保持客观，仅根据响应内容进行分析。",
    "支持用户提供额外的动态字段，提高匹配准确性。"
  ],
  "advanced_config": {
    "similarity_threshold": {
      "structure": 0.8,
      "content": 0.7
    },
    "sensitive_fields": [
      "password",
      "token",
      "phone",
      "id_card"
    ],
    "auto_retry": {
      "when": "检测到加密数据或非常规格式",
      "action": "建议提供解密方式后重新检测"
    }
  }
}
```

## 使用方法
1. 下载源代码 或 Releases；
2. 编辑根目录下的`config.json`文件，配置`AI`和对应的`apiKeys`（只需要配置一个即可）；（AI的值可配置qianwen、kimi、hunyuan、gpt、glm 或 deepseek） ；
3. 配置`headers2`（请求B对应的headers）；可按需配置`suffixes`、`allowedRespHeaders`（接口后缀白名单，如.js）；
4. 执行`go build`编译项目，并运行二进制文件（如果下载的是Releases可直接运行二进制文件）；
5. 首次启动程序后需安装证书以解析 HTTPS 流量，证书会在首次启动程序后自动生成，路径为 ~/.mitmproxy/mitmproxy-ca-cert.pem(Windows 路径为%USERPROFILE%\\.mitmproxy\mitmproxy-ca-cert.pem)。安装步骤可参考 Python mitmproxy 文档：[About Certificates](https://docs.mitmproxy.org/stable/concepts-certificates/)。
6. BurpSuite 挂下级代理 `127.0.0.1:9080`（端口可在`mitmproxy.go` 的`Addr:":9080",` 中配置）即可开始扫描；
7. 终端和web界面均可查看扫描结果，前端查看结果请访问`127.0.0.1:8222` 。

### 配置文件介绍（config.json）
| 字段             | 用途                                                                                   | 内容举例                                                                                                  |
|------------------|----------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------------|
| `AI`             | 指定所使用的 AI 模型                                                                   | `qianwen`、`kimi`、`hunyuan` 、`gpt`、`glm` 或 `deepseek`                                                                                              |
| `apiKeys`        | 存储不同 AI 服务对应的 API 密钥 （填一个即可，与AI对应）                                                        | - `"kimi": "sk-xxxxxxx"`<br>- `"deepseek": "sk-yyyyyyy"`<br>- `"qianwen": "sk-zzzzzzz"`<br>- `"hunyuan": "sk-aaaaaaa"`                 |
| `headers2`       | 自定义请求B的 HTTP 请求头信息                                                           | - `"Cookie": "Cookie2"`<br>- `"User-Agent": "PrivHunterAI"`<br>- `"Custom-Header": "CustomValue"`    |
| `suffixes`       | 需要过滤的文件后缀名列表                                                     | `.js`、`.ico`、`.png`、`.jpg`、 `.jpeg`                                                |
| `allowedRespHeaders` | 需要过滤的 HTTP 响应头中的内容类型（`Content-Type`）                                       | `image/png`、`text/html`、`application/pdf`、`text/css`、`audio/mpeg`、`audio/wav`、`video/mp4`、`application/grpc`|
| `respBodyBWhiteList` | 鉴权关键字（如暂无查询权限、权限不足），用于初筛未越权的接口 | - `参数错误`<br>- `数据页数不正确`<br>- `文件不存在`<br>- `系统繁忙，请稍后再试`<br>- `请求参数格式不正确`<br>- `权限不足`<br>- `Token不可为空`<br>- `内部错误`|

## 输出效果
持续优化中，目前输出效果如下：

1. 终端输出：
<img src="https://github.com/Ed1s0nZ/PrivHunterAI/blob/main/img/%E6%95%88%E6%9E%9C.png" width="800px">  

2. 前端输出（访问127.0.0.1:8222）：
<img src="https://github.com/Ed1s0nZ/PrivHunterAI/blob/main/img/%E7%BB%93%E6%9E%9C%E5%B1%95%E7%A4%BA.png" width="800px">  


# 注意
声明：仅用于技术交流，请勿用于非法用途。