Agente de pentesting por línea de comandos que propone cada herramienta, explica su riesgo y espera a que una persona apruebe antes de tocar el objetivo.
- Python
- FastAPI
- scikit-learn
- Ollama
- Gemini
- Qdrant
$ cat scope.txt 172.17.0.2 # laboratorio "devil" en Docker local $ sudo python3 hunter.py -I ¿Confirmas que tienes autorización? s ¿Contra qué objetivo del scope quieres trabajar? > google.com Target 'google.com' fuera de scope — operación bloqueada.
Mensajes reales de la herramienta. No se ejecuta nada.
Qué es
Orquesta un arsenal de reconocimiento, razona sobre los hallazgos con un cerebro híbrido y entrega un reporte en prosa, con aprobación humana en cada paso.
Cómo funciona
- Reconocimiento por fases: subdominios → puertos → fingerprint → crawl → vulnerabilidades.
- Cada herramienta se propone con su explicación en lenguaje humano y su nivel de riesgo antes de ejecutarse.
- Scope obligatorio desde scope.txt; sin autorización confirmada, no corre.
- El cerebro escala de nivel con gracia: si falta Ollama o el RAG, usa el siguiente nivel disponible.
Qué aprendí
- Un modelo local bien usado puede llevar la mayor parte de la carga y dejar la nube como respaldo.
- La aprobación explícita por herramienta hace la auditoría trazable y segura.
Qué sigue
- Smoke test de punta a punta contra un laboratorio local autorizado.
- Ampliar la base de conocimiento (RAG) con más técnicas.
En corto
- 19 herramientas integradas: nmap, nuclei, ffuf, sqlmap, subfinder, amass, httpx…
- Cerebro en 3 niveles: scikit-learn → Llama 3.1 8B local (Ollama) → Gemini. El modelo local tomó el 75 % de las decisiones en las pruebas.
- El objetivo debe estar en scope.txt o la operación se bloquea.