BruteForceAI

用 AI 大模型驱动智能爆破，让弱口令测试更精准高效

BruteForceAI 是一个基于大语言模型（LLM）的智能暴力破解工具，它将传统自动化登录攻击与 AI 推理能力相结合。该工具的核心目标是解决传统暴力破解工具（如 Hydra）在应对复杂登录机制时效率低、易被检测的问题。它利用 LLM 分析目标登录页面的响应内容，动态调整用户名和密码的猜测策略，从而更精准地生成有效的凭证组合。项目主要能力包括：智能字典生成（基于目标上下文）、自适应攻击路径规划、多协议支持（HTTP、HTTPS、SSH 等），以及通过 AI 对验证码或反爬机制的初步识别与绕过尝试。它面向安全测试人员、渗透测试工程师，用于授权环境下的安全评估，帮助发现弱口令漏洞。项目采用 Python 编写，依赖 OpenAI 等 LLM API，处于积极开发阶段，星标数增长较快。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1718

维护状态维护中

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队MorDavid

所属国家

官网地址https://www.MORDAVID.com

GitHubhttps://github.com/MorDavid/BruteForceAI

定价模式free

价格说明开源项目，本地部署，完全免费

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型ai,bruteforce,bugbounty,llm,loginpages

GitHub 星标★ 1718

30天Star增速

HF 下载量

上线时间2025-07-19 00:00:00

最近更新2026-09-23 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：进阶约 15 分钟部署方式：命令行工具 6 步

环境要求

Python 3 环境（需可使用 python3 -m venv 创建虚拟环境）
pip 包管理器，用于安装 requirements.txt 中的依赖
类 Unix 终端（Ollama 安装脚本使用 curl | sh）
本地 LLM 运行环境：Ollama（README 也提到 Groq）
Playwright 所需的 chromium 浏览器（由 playwright install 下载）

安装与启动步骤

1克隆项目代码

把 BruteForceAI 仓库下载到本地并进入项目目录，后续命令都在该目录执行。
```
git clone https://github.com/MorDavid/BruteForceAI.git
cd BruteForceAI
```
2创建虚拟环境

README 推荐使用 Python 内置 venv 隔离依赖，避免污染系统 Python 环境。
```
python3 -m venv venv
source venv/bin/activate
```
3安装 Python 依赖

按 requirements.txt 安装 playwright、requests、PyYAML 等依赖包。
```
pip install -r requirements.txt
```
4安装浏览器内核

Playwright 需要 chromium 才能做登录表单的浏览器自动化分析。
```
playwright install chromium
```
5安装 Ollama

README 用官方脚本安装 Ollama，为第 1 阶段 AI 表单分析提供本地 LLM。
```
curl -fsSL https://ollama.ai/install.sh | sh
```

6执行智能攻击

使用 README 示例参数：指定目标、用户名字典、密码字典，并用 passwordspray 模式与 15 线程。

python BruteForceAI.py attack --urls targets.txt --usernames users.txt --passwords passwords.txt --mode passwordspray --threads 15 --delay 10 --jitter 3 --success-exit --user-agents user_agents.txt --verbose --output results.txt

关键配置

配置项	必填	说明	示例
`--urls`	是	目标登录页 URL 列表文件	`targets.txt`
`--usernames`	是	用户名/账号字典文件	`users.txt`
`--passwords`	是	密码字典文件	`passwords.txt`
`--mode`	否	攻击模式，可选 bruteforce 或 passwordspray	`passwordspray`
`--threads`	否	并发线程数，配合 delay/jitter 模拟人类节奏	`15`
`--discord-webhook`	否	Discord 通知 Webhook 地址（另有 Slack/Teams/Telegram 参数）	`https://discord.com/api/webhooks/xxxx/xxxxxxxx`

如何确认成功

终端在 --verbose 下持续输出攻击日志，--output 指定的 results.txt 生成结果文件，同时 SQLite 数据库留有记录。

常见问题

Q：可以用哪些 LLM 做表单分析？

A：README 提到 Ollama 与 Groq，并给出 Ollama 的一键安装脚本；Groq 的具体配置命令 README 未给出。

Q：如何把结果推送到聊天工具？

A：配置对应 Webhook：Discord 用 --discord-webhook，Slack 用 --slack-webhook，Teams 用 --teams-webhook，Telegram 用 --telegram-webhook TOKEN --telegram-chat-id CHAT_ID。

Q：有哪些攻击模式？

A：README 列出 bruteforce 与 passwordspray 两种，示例命令使用 --mode passwordspray。

Q：提示缺少浏览器怎么办？

A：执行 playwright install chromium 下载 chromium，README 明确要求安装该浏览器。

注意事项

本工具仅限在获得明确授权的环境中做安全评估，切勿用于未授权目标。
targets.txt、users.txt、passwords.txt、user_agents.txt 等文件需自行准备，README 未提供样例内容。
Ollama 安装使用 curl 脚本，README 未给出 Windows 下的安装方式。
Groq 的密钥与模型参数 README 未说明，使用前需自行查阅项目文档确认。

核心亮点

利用 LLM 分析登录响应，动态生成高命中率字典，减少无效尝试
支持 HTTP/HTTPS/SSH 等常见协议，覆盖多种登录场景
可自动识别并尝试绕过简单验证码，提升攻击成功率

不足之处

依赖外部 LLM API，使用成本较高且需网络连接
文档/社区待观察，项目尚处早期，功能稳定性待验证

适用场景

渗透测试中对目标系统进行弱口令安全评估
红队演练中快速验证账号锁定策略的有效性
安全培训中演示 AI 在攻击工具中的应用

替代项目

Hydra、Medusa、Patator

项目介绍

BruteForceAI 是行业应用领域的开源项目，由 MorDavid 开发，2025 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（1,718）位列前 30%，在行业应用分类中处于中上游。

近 42 天，它的 GitHub 星标从 1,643 增加到 1,718，净增 75。

项目仍在小幅维护中，最近一次代码更新于 2026-09-23。本地部署，完全免费。

它主要面向的使用场景是：渗透测试中对目标系统进行弱口令安全评估。同类可对比的替代方案包括 Hydra、Medusa、Patator。

上一篇：NBA-Machine-Learning-Sports-Betting

下一篇：Introduction-to-Quantitative-Finance