VulnHunter
Agentischer KI-Sicherheits-Scanner, der nach ausnutzbaren Quellcode-Schwachstellen sucht und ausführbare PoCs generiert.
Harness-agnostischer KI-Agent, der Angriffspfade simuliert und Mängel in isolierten Umgebungen verifiziert.
VulnHunter ist ein harness-portabler KI-Sicherheits-Scanner, der für Anwendungssicherheits-Teams und Code-Prüfer entwickelt wurde. Anstatt einfacher Mustererkennung agiert er wie ein Angreifer, indem er Angriffspfade nachvollzieht, False Positives eliminiert und verifizierbare Proof-of-Concept-Exploits generiert. Sie bringen Ihr eigenes Reasoning-LLM und Ihre eigene Ausführungsumgebung mit.
Was es ist
Das Tool scannt Quellcode von der Eingangsoberfläche vorwärts, um ausnutzbare Schwachstellen zu entdecken, anstatt basierend auf statischen Mustern zu raten. Es führt einen adversariellen Verifizierungslauf aus, der nicht ausnutzbare Codepfade herausfiltert und ausführbare PoCs ausgibt. Dieser gepflegte Fork fügt Standard-KI-Agenten-Workflows Cross-Harness-Unterstützung und containerisierte Validierungsroutinen hinzu.
Für wen
Er eignet sich für Anwendungssicherheits-Ingenieure, Red Teams und Entwickler, die eine automatisierte, belegbasierte Schwachstellensuche in ihrer Codebasis wünschen. Er ist nicht geeignet für Organisationen, die einen einfachen Plug-and-Play-SAST-Scanner ohne selbstverwaltete LLM-Infrastruktur oder Container-Ausführungsrechte suchen. Er erfordert einen sicheren Umgang mit KI-Agenten-Harnesses und lokalen Umgebungsvariablen.
Wichtige Funktionen
Harness-portable Architektur
Läuft auf jedem KI-Agent-Harness, das Subagenten und benutzerdefinierte Fähigkeiten über Standard-Umgebungskontrakte unterstützt.
Adversarieller Verifizierungslauf
Filtert False Positives heraus, indem versucht wird, die Ausnutzbarkeit vor dem Schreiben der finalen Berichtsfundstücke zu prüfen und nachzuweisen.
Sandbox-Exploit-Ausführung
Beweist den Schweregrad von Schwachstellen mithilfe containerisierter Docker-Runtimes, um generierte Proof-of-Concept-Payloads zu testen.
Unbeaufsichtigte Operator-Fähigkeit
Beinhaltet vulnhunter-run zum Klonen von Repos, Ausführen von Scans, Schreiben von Manifesten und automatischen Durchsetzen strenger Stoppregeln.
Startklar in 3 Schritten
Unser ehrliches Fazit
Stärken
- Filtert bis zu 55% der False Positives durch adversarielle Verifizierung heraus, bevor Berichte geliefert werden.
- Führt Proof-of-Concept-Tests in Docker-Sandboxes aus, anstatt sich nur auf statische Trace-Vermutungen zu verlassen.
- Entkoppelt von spezifischen Anbieterplattformen, um auf jedem kompatiblen KI-Agent-Harness zu laufen.
- Automatisiert End-to-End-Repository-Suchläufe für geplante nächtliche Sicherheits-Workflows.
Schwächen
- Erfordert, dass Sie starke Open-Weight- oder kommerzielle Reasoning-LLMs hosten und dafür bezahlen.
- Dual-Use-Fähigkeit kann Ratenlimits oder Sicherheitsschalter bei kommerziellen LLM-Anbietern auslösen.
- Die Einrichtung erfordert das Konfigurieren von Umgebungspfaden, Docker-Sandboxing und Agent-Harness-Binärdateien.
Preise & Lizenz
VulnHunter ist unter der Apache-2.0-Lizenz kostenlos nutzbar. Die einzigen Betriebskosten entstehen durch den Betrieb Ihrer eigenen Docker-Infrastruktur und die Bereitstellung von API-Schlüsseln oder Rechenressourcen für das von Ihnen gewählte Reasoning-LLM.
Stellen für Deutschsprachige
879 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Alternativen
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Nutze es, oder lass es uns einrichten
FAQ
Erfordert VulnHunter Claude Code?
Nein, dieser gepflegte Fork entkoppelt den ursprünglichen Release von Capital One explizit von Claude Code, sodass Sie ihn auf jedem kompatiblen Agent-Harness ausführen können.
Welche LLMs funktionieren am besten mit VulnHunter?
Er benötigt ein starkes Reasoning-Model, idealerweise unzensierte oder ablibrierte Open-Weight-Modelle, die bei der Exploit-Generierung keine Dual-Use-Sicherheitsfilter auslösen.
Wie reduziert er False Positives?
Er wendet einen adversariellen Verifizierungslauf an, um die Ausnutzbarkeit zu bestätigen und PoCs gegen isolierte Container auszuführen, bevor ein Fund bestätigt wird.
