AutoCVE

AutoCVE - 一键挖掘 CVE，筛项目、审源码、验漏洞、出报告，全流程自动化

📚 项目文档 · ✨ 核心能力 · 🚀 快速开始 · 🏆 CVE 成果

---

📚 项目文档

📖 用户使用手册

涵盖环境部署、模型配置、项目导入、Agent 审计、一键 CVE、漏洞管理和 Skills 管理完整使用说明，并提供各功能界面预览。

🏗️ 架构设计文档

介绍 AutoCVE 的整体架构、Agent 工作流、工具编排、权限保护、Agent Runtime 以及 ReAct Loop 状态机设计。

🔌 接口文档

提供后端 API、数据结构、请求参数及接口调试说明。

---

✨ 核心能力

🚀 一键完成 CVE 挖掘

实现从项目筛选、仓库导入、审计任务创建、Agent 漏洞挖掘到 CVE 申报报告生成的全流程自动化。用户仅需复制报告内容并提交，即可完成后续 CVE 申请。

🤖 Multi-Agent 协同审计

通过 Orchestrator 统一调度 Recon、Scan、Triage、Finding 和 Verification 等 Agent，协同完成信息收集、工具扫描、误报过滤、漏洞深挖与动态验证。

flowchart LR
    O["Orchestrator"] --> R["Recon"]
    R --> S["Scan"]
    S --> T["Triage"]
    R --> F["Finding"]
    T --> V["Verification"]
    F --> V
    V --> M["Merge / Finalize"]

🧩 三种审计模式

根据不同审计目标灵活选择增强扫描、智能审计或综合审计，兼顾扫描效率、挖掘深度与审计覆盖范围。

审计模式	核心 Agent	适用场景
⚡ 增强扫描	Scan → Triage	快速分析工具扫描结果并过滤误报
🧠 智能审计	Finding	深度挖掘高价值漏洞，适用于 CVE 和 0Day 研究
🔍 综合审计	Scan → Triage + Finding	融合工具扫描与源码分析，开展全量审计

🎯 面向 CVE 挖掘的专用 Agent

Finding Agent 是 AutoCVE 的核心审计能力，专为 CVE 挖掘场景设计。它可直接分析项目源码，并结合 ReAct Loop、专项工具调用、Nudge 纠偏及 FinalizeFinding 结构化终止机制，最终产出符合 CVE 申报条件的高价值漏洞。

• 支持用户交互：将完整审计过程作为会话上下文，用户可围绕审计结果继续追问，让 Agent 补充证据、解释攻击链、完善复现步骤或扩展漏洞分析。
• 可视化审计追踪：集中展示活动日志、Agent Tree、工具调用、阶段进度、初步报告和审计会话，方便复盘每次审计的执行路径与关键过程。

• 智能化漏洞管理：审计发现的漏洞由 Agent 调用工具自动提交，经过去重后以结构化形式入库，并在漏洞管理模块中统一维护。
• 专属 Skills 配置：支持根据实际需求为不同 Agent 配置专属 Skills，灵活扩展各 Agent 的能力边界。

---

🚀 快速开始

⚡ 一行命令部署

无需克隆仓库，一行命令即可启动：

Linux / macOS / Git Bash :

curl -fsSL https://raw.githubusercontent.com/larlarua/AutoCVE/v1.0.5/docker-compose.prod.yml \
  | docker compose -f - up -d

Windows PowerShell / CMD :

curl.exe -fsSL https://raw.githubusercontent.com/larlarua/AutoCVE/v1.0.5/docker-compose.prod.yml | docker compose -f - up -d

🛠️ 源码部署

适用于本地开发、功能调试或二次开发：

git clone https://github.com/larlarua/AutoCVE.git
cd AutoCVE
docker compose up -d --build

🌐 服务访问

服务启动完成后，可通过以下地址访问：

服务	访问地址	用途
🖥️ 前端	http://localhost:3000	AutoCVE 用户界面
⚙️ 后端 API	http://localhost:8000	后端接口服务
📘 Swagger	http://localhost:8000/docs	API 文档与接口调试
🗄️ Adminer	http://localhost:8080	数据库管理

[!TIP] 快速体验完整审计流程

配置模型 → 导入项目 → 创建审计任务 → 跟踪实时审计 → 管理漏洞 → 编辑或导出报告

---

🏆 CVE 挖掘成果

[!NOTE] AutoCVE 在为期一周的测试中，共发现并提交了 30 个安全漏洞，覆盖 14 个开源项目。

点击表格中的 CVE 编号可查看官方记录，完整漏洞报告收录于 larlarua/vulnerability-reports。

CVE 编号	项目	项目热度	漏洞类型	CVSS	漏洞内容
CVE-2026-40904	Chartbrew		Improper Access Control	8.1	查看详情
CVE-2026-40603	Chartbrew		Improper Access Control	6.5	查看详情
CVE-2026-40601	Chartbrew		Missing Authorization	7.5	查看详情
CVE-2026-40600	Chartbrew		Improper Access Control	8.1	查看详情
CVE-2026-40595	Chartbrew		Improper Access Control	7.5	查看详情
CVE-2026-42181	Lemmy		SSRF	6.5	查看详情
CVE-2026-42180	Lemmy		SSRF	6.3	查看详情
CVE-2026-7290	JeecgBoot		SQL Injection	6.3	查看详情
CVE-2026-7291	o2oa		SSRF	6.3	查看详情
CVE-2026-7292	o2oa		RCE	5.6	查看详情
CVE-2026-7303	xxl-job		Improper Access Control	3.7	查看详情
CVE-2026-7305	xxl-job		SSRF	6.3	查看详情
CVE-2026-7306	xxl-job		Hard-coded Key	5.6	查看详情
CVE-2026-40610	BentoML		Link Following	5.5	查看详情
CVE-2026-48763	typebot.io		Missing Authorization	8.2	查看详情
CVE-2026-48764	typebot.io		SSRF	8.2	查看详情
CVE-2026-48765	typebot.io		Authorization Bypass	9.9	查看详情
CVE-2026-48766	typebot.io		Sensitive Data Exposure	7.6	查看详情
CVE-2026-48767	typebot.io		Sensitive Data Exposure	7.6	查看详情
CVE-2026-45296	OpenReplay		Improper Access Control	7.7	查看详情
CVE-2026-46372	SillyTavern		SSRF	8.5	查看详情
CVE-2026-45260	pimcore		Missing Authorization	8.1	查看详情
CVE-2026-41235	froxlor		Incorrect Authorization	8.8	查看详情
CVE-2026-41236	froxlor		Link Following	8.8	查看详情
CVE-2026-43984	Tautulli		Stored XSS	8.9	查看详情
CVE-2026-43985	Tautulli		CSRF	8.8	查看详情
CVE-2026-43986	Tautulli		SSRF	9.9	查看详情
CVE-2026-54091	filebrowser		Incorrect Authorization	7.5	查看详情
CVE-2026-50279	craftcms		Improper Authorization	6.5	查看详情
CVE-2026-50280	craftcms		Improper Access Control	6.5	查看详情

---

⚠️ 安全与合规

[!WARNING]

本项目仅限用于已获授权的安全研究、代码审计及学习交流，严禁将其用于任何未经授权的漏洞扫描、渗透测试或安全评估。

请确保仅在获得明确授权的目标与环境中执行扫描、漏洞验证或 PoC 测试。

[!IMPORTANT]

提交漏洞时，请遵循目标项目的安全政策及漏洞披露规范，包括但不限于：

• SECURITY.md
• GitHub Private Vulnerability Reporting
• CNA 提交流程
• 其他负责任的漏洞披露机制

---

💬 交流与反馈

[!TIP]

AutoCVE 的设计初衷，是探索 Agent 在自动化 CVE 挖掘场景中的应用与实践。目前，项目仍在持续迭代和完善，架构设计和功能实现都有不少需要打磨的地方。欢迎大家提交 Issue、PR，分享使用反馈或功能建议，共同提升 AutoCVE 的可靠性与实用性。

也欢迎随时来找我交流探讨！无论是技术问题、功能建议，还是 CVE 挖掘过程中遇到的疑问，都可以通过以下方式联系我：

• 📧 Email： [email protected]
• 🐙 GitHub： @larlarua
• 📖 公众号文章： 我开发了一个专门挖 CVE 的 Agent，一周拿到 30 个 CVE 编号
• 💬 微信交流群： 请查看 AutoCVE 微信交流群说明

---

🙏 致谢

[!NOTE]

AutoCVE 项目在开发初期参考并学习了 DeepAudit 的工程架构，这为本项目的快速起步提供了重要帮助。

谨此向 DeepAudit 项目及其开发者致以诚挚的谢意。

在参考相关开源项目工程经验的基础上，AutoCVE 针对自动化 CVE 挖掘这一场景，对项目整体 Agent 工程进行了重构与定制化设计，重点实现了审计流程编排、ReAct Loop 工程化重构、状态机调度、循环控制与终止判断、工具编排、报告生成、Skill 机制以及对话交互等能力。

后续，AutoCVE 也将持续迭代优化，进一步提升在漏洞挖掘场景下的自动化水平、审计深度与实战效果。

---

License

本项目基于 AGPL-3.0 发布。