Agent-driven automated CVE discovery platform for source code auditing, vulnerability verification, and report generation.
Python
1,186
54 commits
updated Oct 1, 2026
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。
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。
提供后端 API、数据结构、请求参数及接口调试说明。
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。
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"]
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 |
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。
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
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
[!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 |
[!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
[!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
[!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。
本项目基于 AGPL-3.0 发布。
Agent-driven automated CVE discovery platform for source code auditing, vulnerability verification, and report generation.
Python
1,186
54 commits
updated Oct 1, 2026
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。
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。
提供后端 API、数据结构、请求参数及接口调试说明。
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。
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"]
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 |
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。
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
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
[!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 |
[!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
[!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
[!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。
本项目基于 AGPL-3.0 发布。