Hacker News 中文摘要

RSS订阅

Show HN：Nightcrawler——运行在智能手机上的本地AI渗透测试代理 -- Show HN: Nightcrawler – A local AI pentesting agent running on a smartphone

原文链接 | HN讨论 | 2026-08-04 07:45:14

文章摘要

Nightcrawler是一个完全运行在智能手机上的自主渗透测试代理，无需云连接。它利用本地AI模型自动发现网络主机、映射服务、寻找漏洞并生成渗透测试报告，整个过程在手机GPU上离线完成。

文章总结

好的，这是根据您的要求，对原文进行的中文重述：

标题：Nightcrawler：一款在手机上运行的本地AI驱动红队工具

核心内容：

Nightcrawler 是一款完全在智能手机上运行的自主渗透测试代理。您只需将手机接入目标网络，它便会自动发现主机、映射服务、寻找漏洞，并最终生成一份渗透测试报告，整个过程无需连接云端。

工作原理：

该工具利用手机GPU本地运行一个小型AI模型（LFM2.5-1.2B-Instruct-Heretic，12亿参数），由AI自主决定下一步行动，例如探测哪个主机、使用哪个工具以及寻找什么。其工作流程如下：

  1. WiFi入侵（可选）：若未连接WiFi，它可使用外接USB无线网卡自主破解WPA2网络。
  2. 侦察：通过隐蔽扫描发现网络中的设备。
  3. 枚举：探测已发现的服务（如Web服务器、文件共享、SSH、DNS等）。
  4. 利用：测试已知漏洞和默认凭证。
  5. 报告：生成结构化的渗透测试报告，包含发现的问题和修复建议。

该代理的行为模式类似一位耐心的人类渗透测试员，它会轮流扫描不同主机，每次只执行一个小操作，并逐步积累知识，这使得它比传统漏洞扫描器更难被检测到。

关键特性：

  • 完全自主：运行期间无需人工干预。
  • 100%本地推理：AI在手机GPU上运行，无需云端支持。
  • 范围强制：双层防御机制防止越界操作。
  • 隐蔽优先：采用慢速扫描、主机轮换、掩护流量等技术。
  • 27个利用剧本：可自动执行多步骤攻击链。
  • 24,956条CVE数据库：支持版本感知的漏洞匹配。
  • Web仪表盘：提供实时监控、主机管理和命令控制功能。
  • WiFi入侵模式：可通过USB适配器自主破解WPA2网络。
  • 被动发现：后台捕获mDNS/NBNS/DHCP/ARP广播。
  • 多网络支持：数据按网络隔离，通过MAC地址关联主机以应对DHCP变化。
  • 自我修复：具备垃圾检测、上下文重置、看门狗和卡死检测机制。
  • 报告生成：可下载包含漏洞、攻击链和修复建议的渗透测试报告。

硬件要求：

  • 必需：已刷入Kali NetHunter的安卓手机（已在OnePlus 8上测试）、Root权限、12GB以上内存。
  • 可选：USB无线网卡（用于离线WiFi入侵）、自定义内核、NVIDIA AGX（用于将任务卸载到更大模型）。

快速启动：

  1. 在Kali NetHunter chroot环境中运行安装脚本。
  2. 等待AI模型服务器启动。
  3. 运行启动脚本以启动所有服务。
  4. 通过Tailscale网络在浏览器中打开Web仪表盘。

代理的决策逻辑：

代理使用一个简单但有效的循环：选择目标 → 构建上下文 → 询问AI模型 → 验证命令合法性 → 执行命令 → 从输出中学习 → 重置上下文并重复。由于小型模型命令成功率有限，代理通过垃圾检测、重复检测、卡死检测和直接执行剧本等方式进行补偿。

Web仪表盘功能：

仪表盘提供实时动态、主机详情卡片、交互式网络拓扑图、漏洞详情、命令控制（如标记主机、强制切换阶段、暂停/恢复、注入命令）以及WiFi攻击界面。

测试结果：

在超过72小时的自主运行中，Nightcrawler在每个网络中发现30多个主机，执行了2000多条命令，发现了10多个漏洞，并成功执行了6个以上的攻击剧本。

法律声明：

此工具仅用于获得授权的渗透测试。在部署前，您必须获得网络所有者的书面许可。未经授权使用是违法的。

评论总结

根据评论内容，总结主要观点如下：

1. 项目核心价值与创新性（高认可度） - 作者NickySlicks展示了在旧款安卓手机（OnePlus 8）上完全本地运行渗透测试代理的可行性，无需云端API。 - 关键引用："how much of a real pentesting workflow could I run locally on relatively old mobile hardware"；"Local inference runs at roughly 115 prompt tokens/sec and 13 generated tokens/sec"。

2. 技术局限与挑战（中等认可度） - 小模型（1.2B参数）仅约50%时间能生成可用命令，需大量恢复逻辑和重复检测。 - 关键引用："The small model only produces a usable command around 50% of the time"；"much of the engineering is recovery logic, duplicate detection, persistent memory"。

3. 安全与合规性争议（低认可度，但观点鲜明） - 评论者voodooEntity指出，传统确定性渗透测试工具因“双重用途”法律问题难以发布，而LLM驱动的工具却公开，存在讽刺性。 - 关键引用："I cant publish a attack surface mapping / pentesting tool... due to 'dual use' legal problems - but llm driven tools hit public space"。

4. 实用性问题（中等认可度） - 用户询问是否支持iPhone、非root手机（如Asus ROG Phone 3）及Nethunter Rootless。 - 关键引用："Will this work on iphones as well"；"Will this work with Nethunter Rootless, or ir Magisk support w/root imperative?"。

5. 其他反馈（低认可度） - 对UI设计风格表示赞赏（评论8），以及提及Judas Priest乐队引用（评论6）。

平衡总结：项目展示了在移动端本地运行AI渗透测试的可行性，但模型可靠性（50%成功率）和合规性争议是主要关注点。用户对设备兼容性（iPhone、非root安卓）有明确需求，而作者强调的“范围强制代理”安全机制（评论1）部分回应了安全担忧。