NeuroSploit v3

AI 驱动的自主渗透测试平台

NeuroSploit v3 是一款先进的安全评估平台，它将 AI 驱动的自主代理与 100 种漏洞类型、每次扫描独立的 Kali Linux 容器、误报加固、漏洞利用链生成以及具有实时监控功能的现代化 React Web 界面相结合。

---

亮点

• 100 种漏洞类型，覆盖 10 大类别，并配备 AI 驱动的测试提示
• 自主代理：三路并行渗透测试（侦察 + 初级测试员 + 工具运行）
• 每次扫描专用 Kali 容器：每个扫描都在独立的 Docker 容器中运行
• 防幻觉管道：负控实验、执行证明、置信度评分
• 漏洞利用链引擎：自动串联发现结果（SSRF→内网、SQLi→特定数据库等）
• WAF 检测与绕过：支持 16 种 WAF 特征签名和 12 种绕过技术
• 智能策略自适应：检测失效端点、收益递减、优先级重新计算
• 多提供商大模型：Claude、GPT、Gemini、Ollama、LMStudio、OpenRouter
• 实时仪表板：基于 WebSocket 的实时扫描进度、发现结果和报告
• 沙箱仪表板：实时监控正在运行的 Kali 容器、工具及健康状态

---

目录

• 快速入门
• 架构
• 自主代理
• 100 种漏洞类型
• Kali 沙箱系统
• 防幻觉与验证
• Web GUI
• API 参考
• 配置
• 开发
• 安全公告

---

快速入门

选项 1：Docker（推荐）

# 克隆仓库
git clone https://github.com/your-org/NeuroSploitv2.git
cd NeuroSploitv2

# 复制环境文件并添加 API 密钥
cp .env.example .env
nano .env  # 添加 ANTHROPIC_API_KEY、OPENAI_API_KEY 或 GEMINI_API_KEY

# 构建 Kali 沙箱镜像（首次仅需约 5 分钟）
./scripts/build-kali.sh

# 启动后端服务
uvicorn backend.main:app --host 0.0.0.0 --port 8000

选项 2：手动部署

# 后端
pip install -r requirements.txt
uvicorn backend.main:app --host 0.0.0.0 --port 8000 --reload

# 前端（新开终端）
cd frontend
npm install
npm run dev

构建 Kali 沙箱镜像

# 普通构建（使用 Docker 缓存）
./scripts/build-kali.sh

# 完全重建（不使用缓存）
./scripts/build-kali.sh --fresh

# 构建并运行健康检查
./scripts/build-kali.sh --test

# 或通过 docker-compose
docker compose -f docker/docker-compose.kali.yml build

访问 Web 界面：http://localhost:8000（生产构建）或 http://localhost:5173（开发模式）。

---

架构

NeuroSploitv3/
├── backend/                         # FastAPI 后端
│   ├── api/v1/                      # REST API (13 个路由)
│   │   ├── scans.py                 # 扫描 CRUD + 暂停/继续/停止
│   │   ├── agent.py                 # AI 代理控制
│   │   ├── agent_tasks.py           # 扫描任务跟踪
│   │   ├── dashboard.py             # 统计数据 + 活动信息流
│   │   ├── reports.py               # 报告生成 (HTML/PDF/JSON)
│   │   ├── scheduler.py             # Cron/间隔调度
│   │   ├── vuln_lab.py              # 按类型划分的漏洞实验室
│   │   ├── terminal.py              # 终端代理 (10 个端点)
│   │   ├── sandbox.py               # 沙箱容器监控
│   │   ├── targets.py               # 目标验证
│   │   ├── prompts.py               # 预设提示词
│   │   ├── vulnerabilities.py       # 漏洞管理
│   │   └── settings.py              # 运行时设置
│   ├── core/
│   │   ├── autonomous_agent.py      # 主要 AI 代理 (~7000 行代码)
│   │   ├── vuln_engine/             # 100 种类型的漏洞引擎
│   │   │   ├── registry.py          # 100 条 VULNERABILITY_INFO 记录
│   │   │   ├── payload_generator.py # 覆盖 95 个库的 526 种载荷
│   │   │   ├── ai_prompts.py        # 针对每种漏洞的 AI 决策提示
│   │   │   ├── system_prompts.py    # 12 条防幻觉系统提示
│   │   │   └── testers/             # 10 类别测试模块
│   │   ├── validation/              # 假阳性加固
│   │   │   ├── negative_control.py  # 良性请求控制引擎
│   │   │   ├── proof_of_execution.py # 每种漏洞的证明检查 (25+ 方法)
│   │   │   ├── confidence_scorer.py # 数值化 0-100 分评分
│   │   │   └── validation_judge.py  # 唯一批准发现的权威
│   │   ├── request_engine.py        # 重试、限流、断路器
│   │   ├── waf_detector.py          # 16 种 WAF 特征 + 绕过
│   │   ├── strategy_adapter.py      # 扫描中策略自适应
│   │   ├── chain_engine.py          # 10 条漏洞利用链规则
│   │   ├── auth_manager.py          # 多用户认证管理
│   │   ├── xss_context_analyzer.py  # 8 种 XSS 上下文分析
│   │   ├── poc_generator.py         # 20+ 种按类型生成的 PoC
│   │   ├── execution_history.py     # 跨扫描学习
│   │   ├── access_control_learner.py # 自适应 BOLA/BFLA/IDOR 学习
│   │   ├── response_verifier.py     # 4 信号响应验证
│   │   ├── agent_memory.py          # 有限去重的代理记忆
│   │   └── report_engine/           # OHVR 报告生成器
│   ├── models/                      # SQLAlchemy ORM 模型
│   ├── db/                          # 数据库层
│   ├── config.py                    # Pydantic 配置
│   └── main.py                      # FastAPI 应用入口
│
├── core/                            # 共享核心模块
│   ├── llm_manager.py               # 多提供商 LLM 路由
│   ├── sandbox_manager.py           # BaseSandbox ABC + 旧版共享沙箱
│   ├── kali_sandbox.py              # 每次扫描的 Kali 容器管理器
│   ├── container_pool.py            # 全局容器池协调器
│   ├── tool_registry.py             # Kali 的 56 种工具安装配方
│   ├── mcp_server.py                # MCP 服务器 (12 工具，stdio)
│   ├── scheduler.py                 # APScheduler 扫描调度
│   └── browser_validator.py         # Playwright 浏览器验证
│
├── frontend/                        # React + TypeScript 前端
│   ├── src/
│   │   ├── pages/
│   │   │   ├── HomePage.tsx             # 带统计信息的仪表盘
│   │   │   ├── AutoPentestPage.tsx      # 3 流自动渗透测试
│   │   │   ├── VulnLabPage.tsx          # 按类型划分的漏洞实验室
│   │   │   ├── TerminalAgentPage.tsx    # AI 终端聊天
│   │   │   ├── SandboxDashboardPage.tsx # 容器监控
│   │   │   ├── ScanDetailsPage.tsx      # 发现结果 + 验证
│   │   │   ├── SchedulerPage.tsx        # Cron/间隔调度
│   │   │   ├── SettingsPage.tsx         # 配置
│   │   │   └── ReportsPage.tsx          # 报告管理
│   │   ├── components/              # 可复用 UI 组件
│   │   ├── services/api.ts          # API 客户端层
│   │   └── types/index.ts           # TypeScript 接口
│   └── package.json
│
├── docker/
│   ├── Dockerfile.kali              # 多阶段 Kali 沙箱 (11 个 Go 工具)
│   ├── Dockerfile.sandbox           # 旧版 Debian 沙箱
│   ├── Dockerfile.backend           # 后端容器
│   ├── Dockerfile.frontend          # 前端容器
│   ├── docker-compose.kali.yml      # Kali 沙箱构建
│   └── docker-compose.sandbox.yml   # 旧版沙箱
│
├── config/config.json               # 配置文件、工具、沙箱、MCP
├── data/
│   ├── vuln_knowledge_base.json     # 100 种漏洞类型定义
│   ├── execution_history.json       # 跨扫描学习数据
│   └── access_control_learning.json # BOLA/BFLA 自适应数据
│
├── scripts/
│   └── build-kali.sh               # 构建/重建 Kali 镜像
├── tools/
│   └── benchmark_runner.py          # 104 个 CTF 挑战
├── agents/base_agent.py             # BaseAgent 类
├── neurosploit.py                   # CLI 入口
└── requirements.txt

---

自主导航代理

AI 代理 (autonomous_agent.py) 自主地协调整个渗透测试过程。

3 流并行架构

                    ┌─────────────────────┐
                    │   自动渗透测试    │
                    │   目标 URL(s)     │
                    └────────┬────────────┘
                             │
              ┌──────────────┼──────────────┐
              ▼              ▼              ▼
   ┌──────────────┐ ┌──────────────┐ ┌──────────────┐
   │  流 1          │ │  流 2          │ │  流 3          │
   │  侦察          │ │  初级测试      │ │  工具运行      │
   │  ───────────   │ │  ───────────   │ │  ───────────   │
   │  爬取页面      │ │  测试目标      │ │  Nuclei 扫描  │
   │  查找参数      │ │  AI 优先级     │ │  Naabu 端口    │
   │  技术检测      │ │  3 种载荷     │ │  AI 决定       │
   │  WAF 检测      │ │  每个端点      │ │  额外工具      │
   └──────┬───────┘ └──────┬───────┘ └──────┬───────┘
          │                │                │
          └────────────────┼────────────────┘
                           ▼
              ┌─────────────────────┐
              │  深度分析         │
              │  100 种漏洞类型   │
              │  完整载荷集合     │
              │  利用链组合       │
              └─────────┬───────────┘
                        ▼
              ┌─────────────────────┐
              │  报告生成         │
              │  AI 执行摘要      │
              │  每个发现的 PoC 代码│
              └─────────────────────┘

代理自治模块

模块	描述
请求引擎	具有退避重试、按主机限速、断路器和自适应超时功能
WAF 检测器	包含 16 种 WAF 特征签名（Cloudflare、AWS、Akamai、Imperva 等），以及 12 种绕过技术
策略适配器	支持失效端点检测、收益递减处理、403 错误绕过及优先级重新计算
链式引擎	提供 10 条链式规则（如 SSRF 转为内部利用、SQLi 针对特定数据库、LFI 针对配置文件、IDOR 模式传递等）
认证管理器	支持多用户上下文切换（user_a、user_b、admin），并具备登录表单检测与会话管理功能

扫描功能

• 带检查点的 暂停/恢复/停止 功能
• 手动验证 - 可确认或驳回 AI 发现的结果
• 在确认发现后进行 截图捕获（使用 Playwright）
• 跨扫描学习 - 历史成功率会影响未来任务优先级
• CVE 测试 - 结合正则表达式检测与 AI 生成的有效载荷

---

100 种漏洞类型

分类

类别	类型数	示例
注入类	38	XSS（反射型/存储型/DOM）、SQLi、NoSQLi、命令注入、SSTI、LDAP、XPath、CRLF、头部注入、日志注入、GraphQL 注入
检查类	21	安全头信息、CORS、点击劫持、信息泄露、调试接口、错误信息暴露、源代码暴露
AI 驱动类	41	BOLA、BFLA、IDOR、竞态条件、业务逻辑漏洞、JWT 操纵、OAuth 缺陷、原型污染、WebSocket 劫持、缓存中毒、HTTP 请求走私
认证类	8	认证绕过、会话固定、凭证填充、密码重置缺陷、MFA 绕过、默认凭证
授权类	6	BOLA、BFLA、IDOR、权限提升、强制浏览、函数级访问控制
文件访问类	5	LFI、RFI、路径遍历、文件上传、XXE
请求伪造类	4	SSRF、CSRF、云元数据、DNS 重绑定
客户端类	8	CORS、点击劫持、开放重定向、DOM 黑客攻击、原型污染、PostMessage、CSS 注入
基础设施类	6	SSL/TLS、HTTP 方法、子域名接管、Host 头部、CNAME 劫持
云/供应链类	4	云元数据、S3 存储桶配置错误、依赖混淆、第三方脚本

载荷引擎

• 涵盖 95 个库的 526 个载荷
• 包括 73 个存储型 XSS 载荷 和 5 组上下文特定载荷
• 针对每种漏洞类型提供 AI 决策提示，并加入防幻觉指令
• 支持 WAF 自适应载荷变换（12 种技术）

---

Kali 沙盒系统

每次扫描都在独立的 隔离式 Kali Linux Docker 容器 中运行，提供以下特性：

• 完全隔离 - 并发扫描之间互不干扰
• 按需工具 - 仅在需要时安装 56 种工具
• 自动清理 - 扫描完成后销毁容器
• 资源限制 - 每个容器内存上限为 2GB，CPU 上限为 2 核

预装工具（28 种）

类别	工具
扫描工具	nuclei、naabu、httpx、nmap、nikto、masscan、whatweb
信息收集工具	subfinder、katana、dnsx、uncover、ffuf、gobuster、waybackurls
漏洞利用工具	dalfox、sqlmap
系统工具	curl、wget、git、python3、pip3、go、jq、dig、whois、openssl、netcat、bash

按需工具（另外 28 种）

在首次请求时自动安装到容器内：

• APT 包：wpscan、dirb、hydra、john、hashcat、testssl、sslscan、enum4linux、dnsrecon、amass、medusa、crackmapexec 等
• Go 工具：gau、gitleaks、anew、httprobe
• Pip 工具：dirsearch、wfuzz、arjun、wafw00f、sslyze、commix、trufflehog、retire

容器池

ContainerPool（全局协调器，最多支持 5 个并发）
  ├── KaliSandbox(scan_id="abc") → docker: neurosploit-abc
  ├── KaliSandbox(scan_id="def") → docker: neurosploit-def
  └── KaliSandbox(scan_id="ghi") → docker: neurosploit-ghi

• TTL 强制执行 - 容器在 60 分钟后自动销毁
• 孤儿清理 - 服务器启动时移除已失效容器
• 优雅降级 - 若 Docker 不可用，则回退至共享容器

---

防幻觉与验证机制

NeuroSploit 使用多层验证流程来消除误报：

验证流程

漏洞候选
    │
    ▼
┌─────────────────────┐
│ 负控测试         │  发送良性或空请求作为对照
│ 行为相同 = FP     │  若响应一致，则信心值降低 60
└─────────┬───────────┘
          ▼
┌─────────────────────┐
│ 执行证据         │  针对每类漏洞提供 25+ 种证明方法
│ XSS：上下文检查   │  SSRF：元数据标记
│ SQLi：数据库错误  │  BOLA：数据对比
└─────────┬───────────┘
          ▼
┌─────────────────────┐
│ AI 解释           │  使用配备防幻觉提示的 LLM
│ 针对不同类型设置消息│  12 种可组合的提示模板
└─────────┬───────────┘
          ▼
┌─────────────────────┐
│ 信心评分          │  0-100 的数值评分
│ ≥90 = 确认        │  +证明、+影响、+对照
│ ≥60 = 可能         │  -仅基线行为、-相同行为
│ <60 = 拒绝         │  UI 中可见详细分析
└─────────┬───────────┘
          ▼
┌─────────────────────┐
│ 验证法官          │  最终裁决权
│ 批准 / 驳回       │  记录用于自适应学习
└─────────────────────┘

防幻觉系统提示

针对 7 种任务场景应用 12 种可组合提示：

• anti_hallucination - 核心真实性指令
• proof_of_execution - 要求具体证据
• negative_controls - 与良性请求对比
• anti_severity_inflation - 准确评估严重性
• access_control_intelligence - BOLA/BFLA 数据对比方法

访问控制自适应学习

• 记录每个域名的 TP/FP 结果，用于 BOLA/BFLA/IDOR 分析
• 包含 9 种默认响应模式和 6 种已知 FP 模式（如 WSO2、Keycloak 等）
• 历史 FP 率会影响未来的信心评分

---

Web GUI

页面

页面	路由	描述
仪表盘	/	统计概览、严重性分布、近期活动动态
自动渗透测试	/auto	一键式自主渗透测试，支持三流实时显示
漏洞实验室	/vuln-lab	针对各类漏洞的测试平台（共 100 种类型，11 个类别）
终端代理	/terminal	基于 AI 的交互式安全聊天及工具执行
沙盒管理	/sandboxes	实时监控与管理 Docker 容器
AI 代理	/scan/new	手动创建扫描任务并选择提示
扫描详情	/scan/:id	显示带有信心标签的发现结果，支持暂停/恢复/停止操作
调度器	/scheduler	支持 Cron/间隔式自动化扫描计划
报告	/reports	生成并查看 HTML/PDF/JSON 报告
设置	/settings	用于配置 LLM 提供商、模型路由及功能开关

沙箱仪表板

实时监控每个扫描的 Kali 容器：

• 池统计 - 当前/最大容器数、Docker 状态、TTL
• 容量条 - 可视化利用率指示器
• 每个容器卡片 - 名称、扫描链接、运行时长、已安装工具、状态
• 操作 - 健康检查、销毁（需确认）、清理过期/孤儿容器
• 5 秒自动轮询，实现实时更新

---

API 参考

基础 URL

http://localhost:8000/api/v1

端点

扫描

方法	端点	描述
POST	/scans	创建新扫描
GET	/scans	列出所有扫描
GET	/scans/{id}	获取扫描详情
POST	/scans/{id}/start	开始扫描
POST	/scans/{id}/stop	停止扫描
POST	/scans/{id}/pause	暂停扫描
POST	/scans/{id}/resume	继续扫描
DELETE	/scans/{id}	删除扫描

AI 代理

方法	端点	描述
POST	/agent/run	启动自主代理
GET	/agent/status/{id}	获取代理状态及发现结果
GET	/agent/by-scan/{scan_id}	根据扫描 ID 获取代理
POST	/agent/stop/{id}	停止代理
POST	/agent/pause/{id}	暂停代理
POST	/agent/resume/{id}	继续代理
GET	/agent/findings/{id}	获取详细发现结果
GET	/agent/logs/{id}	获取代理日志

沙箱

方法	端点	描述
GET	/sandbox	列出容器及池状态
GET	/sandbox/{scan_id}	检查容器健康状况
DELETE	/sandbox/{scan_id}	销毁容器
POST	/sandbox/cleanup	清理过期容器
POST	/sandbox/cleanup-orphans	清理孤儿容器

调度器

方法	端点	描述
GET	/scheduler	列出计划任务
POST	/scheduler	创建计划任务
DELETE	/scheduler/{id}	删除任务
POST	/scheduler/{id}/pause	暂停任务
POST	/scheduler/{id}/resume	继续任务

漏洞实验室

方法	端点	描述
GET	/vuln-lab/types	按类别列出 100 种漏洞类型
POST	/vuln-lab/run	运行按类型划分的漏洞测试
GET	/vuln-lab/challenges	列出挑战运行记录
GET	/vuln-lab/stats	漏洞检测率统计

报告与仪表板

方法	端点	描述
POST	/reports	生成报告
POST	/reports/ai-generate	由 AI 驱动的报告
GET	/reports/{id}/view	查看 HTML 报告
GET	/dashboard/stats	仪表板统计数据
GET	/dashboard/activity-feed	最近活动信息

WebSocket

ws://localhost:8000/ws/scan/{scan_id}

事件：scan_started、progress_update、finding_discovered、scan_completed、scan_error

API 文档

交互式文档可在以下地址查看：

• Swagger UI：http://localhost:8000/api/docs
• ReDoc：http://localhost:8000/api/redoc

---

配置

环境变量

# LLM API 密钥（至少需要一个）
ANTHROPIC_API_KEY=your-key
OPENAI_API_KEY=your-key
GEMINI_API_KEY=your-key

# 本地 LLM（可选）
OLLAMA_BASE_URL=http://localhost:11434
LMSTUDIO_BASE_URL=http://localhost:1234
OPENROUTER_API_KEY=your-key

# 数据库
DATABASE_URL=sqlite+aiosqlite:///./data/neurosploit.db

# 服务器
HOST=0.0.0.0
PORT=8000
DEBUG=false

config/config.json

{
  "llm": {
    "default_profile": "gemini_pro_default",
    "profiles": { ... }
  },
  "agent_roles": {
    "pentest_generalist": { "vuln_coverage": 100 },
    "bug_bounty_hunter": { "vuln_coverage": 100 }
  },
  "sandbox": {
    "mode": "per_scan",
    "kali": {
      "enabled": true,
      "image": "neurosploit-kali:latest",
      "max_concurrent": 5,
      "container_ttl_minutes": 60
    }
  },
  "mcp_servers": {
    "neurosploit_tools": {
      "transport": "stdio",
      "command": "python3",
      "args": ["-m", "core.mcp_server"]
    }
  }
}

---

开发

后端

pip install -r requirements.txt
uvicorn backend.main:app --reload --host 0.0.0.0 --port 8000

# API 文档：http://localhost:8000/api/docs

前端

cd frontend
npm install
npm run dev        # 开发服务器位于 http://localhost:5173
npm run build      # 生产构建

构建 Kali 沙箱

./scripts/build-kali.sh --test    # 构建并进行健康检查

MCP 服务器

python3 -m core.mcp_server        # 启动 stdio MCP 服务器（12 种工具）

---

安全声明

本工具仅用于授权的安全测试。

• 仅测试您拥有或获得明确书面许可的系统
• 遵循负责任的披露原则
• 遵守所有适用的法律法规
• 未经授权访问计算机系统属违法行为

---

许可证

MIT 许可证 - 详情请参阅 LICENSE。

---

技术栈

层	技术
后端	Python、FastAPI、SQLAlchemy、Pydantic、aiohttp
前端	React 18、TypeScript、TailwindCSS、Vite
AI/LLM	Anthropic Claude、OpenAI GPT、Google Gemini、Ollama、LMStudio、OpenRouter
沙箱	Docker、Kali Linux、ProjectDiscovery 套件、Nmap、SQLMap、Nikto
工具	Nuclei、Naabu、httpx、Subfinder、Katana、FFuf、Gobuster、Dalfox
基础设施	Docker Compose、MCP 协议、Playwright、APScheduler

---

NeuroSploit v3 - 基于 AI 的自主渗透测试平台

NeuroSploit v3 快速上手指南

NeuroSploit v3 是一个由 AI 驱动的自主渗透测试平台，结合了自主智能体、100 种漏洞类型检测、隔离的 Kali Linux 容器沙箱以及现代化的 React 监控界面。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统: Linux (推荐 Ubuntu/Debian) 或 macOS。Windows 用户建议使用 WSL2。
• Python: 版本 3.10 或更高。
• Node.js: 用于前端构建（如果选择手动安装）。
• Docker & Docker Compose: 必须安装，用于运行隔离的 Kali 沙箱容器。
• API Keys: 需要准备至少一个大模型 API 密钥（支持 Anthropic/Claude, OpenAI/GPT, Google/Gemini, 或本地 Ollama/LMStudio）。
• 内存建议: 由于涉及多个并发容器和 AI 上下文，建议至少 8GB RAM（推荐 16GB+）。

安装步骤

推荐使用 Docker 方式进行部署，这是最稳定且配置最简单的方案。

1. 克隆项目

git clone https://github.com/your-org/NeuroSploitv2.git
cd NeuroSploitv2

2. 配置环境变量

复制示例配置文件并填入您的 LLM API 密钥。

cp .env.example .env
nano .env

在 .env 文件中添加以下任一密钥：

• ANTHROPIC_API_KEY
• OPENAI_API_KEY
• GEMINI_API_KEY

3. 构建 Kali 沙箱镜像

首次运行需要构建专用的 Kali Linux 容器镜像（包含必要的渗透测试工具），此过程大约需要 5 分钟。

./scripts/build-kali.sh

注：如果需要强制重新构建（不使用缓存），可运行 ./scripts/build-kali.sh --fresh。

4. 启动后端服务

使用 Uvicorn 启动 FastAPI 后端服务。

uvicorn backend.main:app --host 0.0.0.0 --port 8000

(可选) 如果您希望手动开发前端，需新开一个终端执行：

cd frontend
npm install
npm run dev

基本使用

安装完成后，您可以通过 Web 界面或 API 进行渗透测试。

1. 访问控制台

打开浏览器访问以下地址：

• 生产模式/默认后端代理: http://localhost:8000
• 开发模式 (前端独立运行): http://localhost:5173

2. 发起自动渗透测试

1. 在仪表盘点击 "Auto Pentest" (自动渗透测试)。
2. 输入目标 URL（例如：http://testphp.vulnweb.com 或您授权的测试目标）。
3. 系统会自动启动 三流并行架构：
   • Stream 1 (Recon): 爬取页面、发现参数、识别技术栈和 WAF。
   • Stream 2 (Junior Tester): AI 优先级的端点测试，每个端点生成 3 个 Payload。
   • Stream 3 (Tool Runner): 运行 Nuclei 扫描、Naabu 端口扫描等工具。
4. 实时查看 WebSocket 推送的扫描进度、发现的漏洞及验证结果。

3. 查看报告与验证

• 实时仪表板: 监控正在运行的 Kali 容器状态、工具健康检查及活动日志。
• 漏洞验证: 系统内置“反幻觉管道”，会自动对发现的漏洞进行负面控制测试和执行证明（PoC），并给出 0-100 的置信度评分。
• 报告导出: 测试完成后，可在 "Reports" 页面生成 HTML、PDF 或 JSON 格式的详细报告，包含 AI 生成的执行摘要和每个漏洞的 PoC 代码。

命令行快速扫描 (CLI)

如果您偏好命令行操作，也可以使用入口脚本：

python neurosploit.py --target http://example.com --mode auto

安全提示: 本工具仅可用于授权的安全评估和渗透测试。未经授权对他人系统进行扫描是非法的。