AutoAR — 自动化渗透侦察的全家桶平台

想象一个场景：你在挖某个大型厂商的漏洞，面对数千个子域名、数百个 IP 段，手头的工具散落在十几个脚本里，每次切换工具都要重新复制粘贴结果、调整参数，一套完整流程跑下来要几个小时。如果有一个工具能把 subfinder、httpx、nuclei、dalfox、SQLMap 全部串联起来，从子域名枚举到漏洞扫描一气呵成，结果自动归档到云端，你只需要盯着最终报告——这就是 AutoAR 做的事情。

背景：从"单打独斗"到"自动化流水线"

Bug Bounty（漏洞赏金）文化自 2010 年代初兴起，如今 HackerOne、Bugcrowd、Intigriti 等平台已吸引数十万安全研究者参与。2025 年，AI 相关漏洞报告同比增长 210%，提示词注入报告增长 540%，攻击面持续扩大。与此同时，挖洞竞争日趋激烈——好目标被扫过几十遍已成常态，效率就是一切。

AutoAR 的作者 h0tak88r 正是瞄准这一痛点，在 2024 年 6 月推出了这个工具，目标很明确：让渗透测试和漏洞赏金猎人从繁琐的重复劳动中解放出来。它不仅仅是"一堆工具的脚本集合"，而是一套有架构设计的工程化产品——Go 语言编写、模块化内部结构、数据库持久化、Web 可视化界面，俨然是一个安全侦察平台的雏形。

核心功能：从子域名到漏洞，一站式搞定

AutoAR 的功能可以用一句话概括：覆盖渗透测试侦察阶段的全链路自动化。具体来说：

子域名枚举（15+ 数据源）：集成 Subfinder、CertSpotter、SecurityTrails、Chaos、crt.sh、OTX、VirusTotal 等被动数据源，结合 Subfinder 的主动扫描能力，一次性拿到目标的所有子域名。

存活主机检测：用 httpx 检测哪些子域名真正存活，支持跟随重定向、状态码识别，自动剔除无效目标。

端口扫描：基于 naabu 进行高速端口扫描，覆盖常见 Web 端口（80/443/8080 等）。

技术指纹识别：通过 Wappalyzer 和 HTTP 头部分析，判断目标使用什么框架、CMS、Web 服务器，为后续针对性扫描打基础。

漏洞扫描：集成 Nuclei 模板引擎（3000+ 漏洞模板），同时支持智能 CVE 扫描——根据检测到的技术栈自动选择相关 CVE 模板，减少无效扫描。

XSS / SQL 注入 / JWT 安全：内置 Dalfox（XSS）、SQLMap（SQL 注入）、JWT 安全分析工具，覆盖常见高危漏洞类型。

DNS 劫持检测：检测 CNAME 记录、NS 记录、Azure/AWS 云服务配置错误，特别值得注意是支持 CF-1016 Cloudflare 悬挂记录（dangling DNS）检测，这是近年来频发的严重漏洞类型。

JavaScript secrets 提取：从 JS 文件中自动提取 API 密钥、Token、认证信息、内网路径，攻击者最爱的信息金矿。

GitHub 仓库侦察：在组织和仓库级别扫描敏感信息泄露、依赖混淆攻击（dependency confusion）。

移动端审计：内置 APK Auditor（Android）和 IPA Auditor（iOS）分析工具，支持 DEX 反编译、Manifest 解析、证书分析、MASVS 对照检查。ADB Auditor 还能直接通过 USB 与已连接设备交互。

AI Agent 助手：通过 autoar agent 或 autoar explain 调用 AI 能力进行漏洞分析，默认使用 OpenCode Zen 的 deepseek-v4-flash（免费，无需信用卡），对扫描结果进行智能解读和威胁研判。

Bug Bounty 平台集成：直接从 HackerOne、Bugcrowd、Intigriti、YesWeHack、Immunefi 拉取目标范围（scope），再也不用手动复制粘贴。

监控告警：子域名和 URL 变更监控守护进程，发现变化时通过 Discord Webhook 实时告警。

上手体验：命令行还是 Web 界面？

AutoAR 提供两种交互方式：

CLI 模式适合熟练用户。例如执行 autoar domain run -d example.com 即可启动完整的侦察流程，子域名 → 存活主机 → 端口 → 技术栈 → DNS 劫持 → Nuclei 扫描 → JS 分析 → 漏洞检测，一路自动跑完。autoar lite run 是轻量版，适合快速侦察；autoar asr 则提供 1-5 档深度配置，满足不同场景需求。

Web Dashboard 是 v4.1+ 新增的功能，通过 docker compose --profile localdb up -d 启动后访问 http://localhost:8000/ui/。界面包含统计概览、扫描历史、域名管理、监控目标、R2 存储浏览器、APK/IPA/ADB 分析工具，以及一个统一的漏洞发现表格，支持按严重程度、模块类型等多维度筛选和详情展开。这对于团队协作和汇报展示非常有价值。

技术架构：Go 的工程化实践

AutoAR 的代码结构体现了成熟的工程思维：

• 主程序入口（cmd/autoar）：基于 Cobra CLI 框架，提供模块化命令体系
• API 服务（internal/api）：基于 Gin Web 框架，提供 RESTful 接口和 JWT 认证
• 数据库层（internal/db）：支持 PostgreSQL（生产环境）和 SQLite（轻量场景），使用 pgx 驱动
• 侦察引擎（internal/scanner）：核心扫描逻辑，包含子域名、端口、XSS、SQL 注入等各模块
• 云存储（internal/r2storage）：对接 Cloudflare R2，自动上传扫描结果并生成公开 URL
• AI 能力（internal/brain）：集成 AI Agent，支持 OpenCode Zen、OpenRouter（GPT-4o、Claude 等）、Gemini 等多种后端
• 可观测性（internal/observability）：集成 OpenTelemetry，支持分布式追踪
• 移动端工具（internal/tools）：封装 APK Auditor、IPA Auditor、ADB Auditor

依赖中大量使用 ProjectDiscovery 家族工具（httpx、nuclei、subfinder、katana、naabu、tlsx、goflags），这是目前安全社区最活跃的工具链之一，质量和活跃度都有保障。

局限与争议：免费午餐不好吃

AutoAR 并非完美，以下几点值得注意：

API Keys 的门槛：虽然核心扫描功能免费，但完整能力需要大量第三方 API Key（SecurityTrails、Shodan、VirusTotal、Censys、FOFA、ZoomEye 等），这些大多需要付费订阅。如果只用免费数据源，部分功能（如子域名枚举的广度）会大打折扣。

AI Agent 的成本：默认免费模型（deepseek-v4-flash）适合入门，但要获得更高质量的漏洞分析建议，需要付费模型。

Cloudflare R2 存储：扫描结果自动上传到 R2 是亮点，但需要配置 R2 账号和凭证，有一定学习成本。

Docker 镜像体积：多阶段构建的 Docker 镜像包含大量安全工具（trufflehog、nuclei、subfinder 等），首次构建时间较长，首次 pull 镜像也较大。

行业意义：安全自动化进入 2.0 时代

AutoAR 的出现代表了一个趋势：单点工具向平台化集成演进。此前安全研究者通常使用 ReconFTW、reNgine、bbht 等开源工具进行半自动化侦察，但 AutoAR 在以下几个维度更进一步：

1. AI Native：内置 AI Agent，不是简单调用外部 API，而是将 AI 深度整合进扫描工作流
2. 移动端覆盖：APK/IPA 分析工具集成度高，直接覆盖移动应用安全测试场景
3. 云原生：Cloudflare R2 自动归档 + Web Dashboard，适合团队部署和长期监控
4. Bug Bounty 平台直连：直接拉取各大平台 scope，减少配置错误

225 颗星（且持续增长）、活跃的版本迭代（2026年7月仍有更新）、完整的功能矩阵，使 AutoAR 成为安全自动化领域值得关注的项目。对于个人挖洞者和企业安全团队，它都提供了一套开箱即用的侦察解决方案。

---

附：AutoAR 功能速览

功能模块	核心工具	说明
子域名枚举	Subfinder + 15+ 数据源	被动+主动全覆盖
存活检测	httpx	跟随重定向，多状态识别
端口扫描	naabu	高速并发端口扫描
漏洞扫描	Nuclei	3000+ 模板，智能 CVE
XSS 检测	Dalfox	高级 XSS 扫描
SQL 注入	SQLMap	自动化 SQL 注入测试
JS 分析	Katana + 自定义提取	Secrets/API Keys 提取
GitHub 侦察	TruffleHog	敏感信息扫描
移动分析	APK/IPA/ADB Auditors	移动端全覆盖
AI 助手	OpenCode Zen	自然语言漏洞分析
存储	Cloudflare R2	自动归档+公开链接
数据库	PostgreSQL / SQLite	灵活切换