LeoAI

AI 驱动的后渗透综合管理平台

LeoAI 是一款专为红队操作人员设计的后渗透管理工具，深度集成大语言模型（LLM）Agent 能力，实现智能化、自动化的后渗透操作流程。相比传统 WebShell 管理工具，LeoAI 提供 AI 辅助决策、多协议通信、流量伪装、团队协作等企业级能力，内置 Web 管理界面，开箱即用。

节点管理主界面：节点列表、详情面板、流量伪装策略配置

• 功能特性
• 技术栈
• 环境要求
• 快速开始
• 配置说明
• 使用指南
• 常见问题
• 安全建议
• 免责声明
• License

AI 助手自动调用侦察工具、分析结果并生成侦察摘要

• Web 终端：交互式 Shell，支持命令补全、历史记录、实时流输出
• 后台任务：异步执行长时间命令，支持输出轮询和任务取消

• 文件管理器：树形目录浏览、上传/下载、在线编辑、压缩/解压、预览（文本/图片/PDF）、大文件分片传输
• 用户文件空间：每个用户独立的本地文件存储区域

• 数据库控制台：支持 MySQL、PostgreSQL、Oracle、SQLite、SQL Server，提供 SQL 编辑器和表结构浏览
• 注册表管理（Windows）：浏览和修改注册表键值
• 事件日志查看：查询 Windows 系统事件日志
• 防火墙管理：查看和修改防火墙规则

• 端口扫描：TCP 端口扫描、主机存活探测（Ping Sweep）
• 指纹识别：HTTP/TCP 服务指纹识别，内置规则库，支持自定义规则
• 侦察扫描：多目标、多规则并发侦察，结果自动汇总至 AI 上下文
• HTTP 发包器：Repeater（单次发包）和 Fuzzer（批量模糊测试）
• 代理转发：在目标节点上开启 HTTP 代理、SOCKS5 代理、本地端口转发（ssh -L）或反向隧道（ssh -R），支持连接数统计与流量监控

• 截屏：实时获取目标桌面截图
• 进程管理：列出、杀死、创建进程
• 计划任务：Windows 计划任务管理
• 服务管理：启动、停止、重启 Windows 服务
• Docker 管理：列出、启动、停止、查看容器和镜像
• 应用管理：Catalina 应用（Tomcat/WebLogic）、Spring Framework 运行时管理

• 凭据提取：系统凭据、浏览器数据、WiFi 配置
• SUID/Capability 检查：快速发现 Linux 提权点
• 用户账户管理：目标主机用户枚举和操作
• 网络连接查看：查看活跃连接、网络共享、已安装软件

• 类字节码查看：提取并反编译 JVM 中的已加载类
• 剪贴板读取：获取目标系统剪贴板内容
• 磁盘挂载管理：查看和管理磁盘挂载点
• HostId 切换：单节点可管理多个内网主机

操作控制台：基础信息总览、AI 技能快捷面板与对话区

• 支持类型：Filter、Servlet、Listener、Valve、Interceptor、WebSocket
• 支持中间件：Tomcat、Jetty、JBoss、JBossAS、JBossEAP6、JBossEAP7、Wildfly、Undertow、Resin、Glassfish、Payara、WebLogic、WebSphere、SpringWebMVC、Apusic、BES、InforSuite、TongWeb、Struct2（共 19 种）
• 表达式注入 Packer：OGNL、SpEL、EL、Groovy、Freemarker、MVEL、BeanShell、Velocity、Thymeleaf、JEXL、Jinjava、JXPath、Rhino、Aviator、ScriptEngine、BCEL、Translet、XmlDecoder、H2、Base64、Hex 等（共 23 种）

• 支持格式：JSP、JSPX

• 内置规则库：预置 38 条常见服务的 HTTP/TCP 指纹识别规则（Nginx、Tomcat、Jenkins、Nacos、Redis、MySQL、Elasticsearch、GitLab 等）
• 自定义规则：通过「识别规则」页面新增、编辑、启用/禁用指纹规则
• 规则标签：支持协议过滤和标签分组，便于在扫描时按需筛选

• Java 插件热加载：动态加载和执行自定义 Java 插件
• 内置插件：脚本执行、命令执行、WebLogic 密码获取、堆转储分析
• 可扩展：支持开发和集成自定义功能插件

无需单独安装数据库：内置 SQLite，首次启动自动初始化。
无需额外部署前端：Web 界面已打包至 JAR 文件中。

从 Releases 页面下载最新版本：

LeoAi-0.0.3.jar

java -jar --add-opens java.base/java.lang=ALL-UNNAMED LeoAi-0.0.3.jar

--add-opens java.base/java.lang=ALL-UNNAMED 参数不可省略，用于开放 Java 模块系统内部访问权限。

浏览器打开：

http://localhost:8082

首次启动时，系统自动完成以下操作：

1. 初始化 SQLite 数据库（在运行目录下生成 data.db）
2. 创建默认管理员账户
3. 初始化基础配置

初始账号密码：admin / 54ikun，首次登录后请立即修改密码。

如果你不想折腾 Java 环境，直接用 Docker 一条命令启动即可。镜像构建时会自动从 Release 页面下载 JAR，不需要在本机装 JDK/Maven，也不会编译源码。

安装完成后打开终端验证（任意目录均可）：

docker --version
docker compose version

只要能看到版本号即可。

提示：以下命令不需要 sudo 时尽量不用。Linux 下若提示 permission denied，把当前用户加入 docker 组（sudo usermod -aG docker $USER 后重新登录），或者命令前加 sudo。

任选一种方式：

# 方式 A：使用 git（推荐，便于后续更新）
git clone https://github.com/cha0upup/LeoAI.git
cd LeoAI

# 方式 B：直接下载 ZIP
# 打开 https://github.com/cha0upup/LeoAI 点击 Code → Download ZIP
# 解压后在终端 cd 进解压目录

在项目根目录（能看到 Dockerfile 和 docker-compose.yml 的位置）执行：

docker compose up -d --build

参数说明：

• up：启动服务
• -d：后台运行（detached），关闭终端不会停止容器
• --build：首次启动或代码更新时构建镜像；之后日常启动可省略

首次启动需要拉取基础镜像 + 下载 JAR + 安装运行时依赖，国内网络通常需要 3~10 分钟。看到类似下面的输出就成功了：

[+] Running 2/2
 ✔ Network leoai_default     Created
 ✔ Container leoai           Started

浏览器打开：

http://localhost:8082

初始账号密码：admin / 54ikun，首次登录后请立即修改密码。

# 查看运行状态
docker compose ps

# 查看实时日志（Ctrl+C 退出，容器继续运行）
docker compose logs -f

# 停止服务（保留数据）
docker compose stop

# 重新启动
docker compose start

# 完全停止并删除容器（保留数据 volume）
docker compose down

# 完全清理（含数据，⚠️ 不可恢复）
docker compose down -v

# 升级到最新版本（拉取新代码 + JAR 重新构建）
git pull
docker compose up -d --build

SQLite 数据库和 VFS 运行目录都会保存在名为 leoai-data 的 Docker volume 里。容器删了重建数据不会丢，除非显式 docker compose down -v。

查看 volume 实际位置：

docker volume inspect leoai_leoai-data

最简单的做法是在项目根目录新建 .env 文件，docker compose 会自动读取：

# 修改 Web 端口（避开 8082 被占用的情况）
LEOAI_PORT=9090

# 配置 OpenAI 或兼容接口
OPENAI_API_KEY=sk-xxxxx
OPENAI_BASE_URL=https://api.openai.com/v1
# 国内用户可换成兼容服务
# OPENAI_BASE_URL=https://api.deepseek.com
# OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

# 生产环境建议改成强随机字符串（至少 16 位）
LEO_PLUGIN_ENCRYPT_KEY=please-change-me-to-a-strong-key

# 锁定到特定版本的 JAR（默认会拉 V0.0.3）
# JAR_URL=https://github.com/cha0upup/LeoAI/releases/download/V0.0.3/LeoAi-0.0.3.jar

修改 .env 后用 docker compose up -d 让改动生效。注意：改 JAR_URL 必须加 --build，否则不会重新拉取。

也可以临时通过命令行覆盖（一次性，不持久）：

LEOAI_PORT=9090 OPENAI_API_KEY=sk-xxxxx docker compose up -d

端口冲突 Bind for 0.0.0.0:8082 failed: port is already allocated

• 在 .env 里改 LEOAI_PORT=9090（或任意空闲端口）后重新 docker compose up -d

镜像构建卡在下载 JAR

• 多半是 GitHub 网络不通。挂代理后重新 docker compose build，或先手动把 JAR 下载到本地，改 Dockerfile 的 JAR_URL 指向局域网镜像

忘记 admin 密码

• 执行 docker compose down -v 清除数据 volume（⚠️ 全部数据丢失），重新 docker compose up -d --build 即可用初始密码登录

查看容器内文件

• docker compose exec leoai sh 进入容器，数据目录在 /app/data

默认端口为 8082，通过启动参数修改：

java -jar --add-opens java.base/java.lang=ALL-UNNAMED \
  LeoAi-0.0.3.jar --server.port=9090

默认数据库文件为运行目录下的 data.db：

java -jar --add-opens java.base/java.lang=ALL-UNNAMED \
  LeoAi-0.0.3.jar \
  --spring.datasource.url=jdbc:sqlite:/path/to/data.db

LeoAI 的 AI 功能需要接入 LLM 接口，支持两种配置方式：

1. 登录后进入「管理后台 → AI 配置」
2. 点击「添加通道」
3. 填写通道名称、API Key、Base URL、模型名称
4. 点击「测试连接」验证后保存

export OPENAI_API_KEY=your-api-key
export OPENAI_BASE_URL=https://api.openai.com/v1

java -jar --add-opens java.base/java.lang=ALL-UNNAMED LeoAi-0.0.3.jar

兼容任何遵循 OpenAI API 格式的服务：

web/src/main/resources/application.properties：

# 服务器端口
server.port=8082

# 数据库（SQLite，路径相对于运行目录）
spring.datasource.url=jdbc:sqlite:data.db

# AI 配置（也可通过 Web 界面管理）
leo.ai.openai.api-key=${OPENAI_API_KEY:}
leo.ai.openai.base-url=${OPENAI_BASE_URL:https://api.openai.com/v1}
leo.ai.openai.model=gpt-4o
leo.ai.openai.thinking-enabled=false

1. 登录后进入「节点管理」
2. 点击「添加节点」，填写：
   • 节点名称：自定义标识
   • 目标 URL：目标节点地址（如 http://target.com/shell）
   • 通信协议：HTTP / HTTP Chunked / WebSocket
   • 访问密钥：与 Shell 端保持一致
3. 按需配置流量伪装模板，保存

进入节点后可使用各工具模块：

• 终端：执行 Shell 命令，实时流式输出
• 文件管理：树形浏览、上传下载、在线编辑、压缩解压、文件预览
• 数据库：先在「系统配置 → 数据库配置」添加 JDBC 连接，再在控制台选择使用
• 端口扫描：快速扫描 / 自定义端口范围 / 结果导出
• HTTP 发包器：Repeater 单次发包，Fuzzer 批量模糊测试

在节点控制台的「代理」面板下可管理四种流量转发模式：

各模式均提供连接数、上传/下载流量统计面板，支持一键停止。

进入主界面侧边栏「Skills」，可对两个 scope（puppet-node / platform）下的所有 Skills 进行可视化管理：

• 查看与编辑：点击列表中的 Skill 可在右侧预览内容；切换到编辑模式后可修改正文和描述，保存后实时生效，无需重启
• 标签（Tags）：每个 Skill 可附加多个标签（如 recon、exploit、linux），在列表和编辑模式中均可查看和修改；左侧提供标签筛选面板，可多选组合过滤
• 启用 / 禁用：禁用的 Skill 不会出现在 AI 的 system prompt 中，AI 对其存在完全无感知；可按需关闭暂不使用的 Skill 以节省 token
• 全文搜索：支持按 name、description 或正文内容模糊搜索
• 新建 / 删除：可创建自定义 Skill，填写名称、描述后在编辑器中编写 Skill 提示词

Skill 文件存储在 VFS 目录下，格式为标准 Markdown + YAML frontmatter：

---
name: recon-basic-info
description: 对目标主机执行初始基础信息侦察...
enabled: true
tags:
  - recon
  - linux
---

# Skill 正文内容
...

节点级 AI：在操作控制台右侧打开 AI 对话面板，输入指令（如"扫描 C 类网段的 80 端口"），AI 自动调用工具完成操作，并持续积累侦察上下文。

控制台技能快捷面板提供 21 个预置 puppet-node Skills，可一键启动完整场景任务：

平台级 AI：全局 AI 助手，内置 3 个平台 Skills（develop-disguise、develop-fingerprint、exploit-suggest），可协助编写流量伪装模板、设计指纹规则，以及基于命中指纹生成漏洞利用建议。

1. 进入「工具 → Shell 生成」
2. 选择「内存马」或「WebShell」
3. 选择目标中间件类型和注入方式
4. 配置连接密钥，点击「生成」

伪装即密钥：LeoAI 没有独立的连接密钥字段——管理端与 Shell 端使用完全相同的 encode/decode 逻辑通信，伪装不匹配则请求无法解析，连接自然失败。因此强烈建议每位用户创建专属伪装，不同项目使用不同伪装，避免共享内置模板。

1. 进入「工具 → 流量伪装」，系统内置 5 套伪装模板（ZIP 上传信封、JPEG 隐写、JSON 序列化包装、Multipart 上传、XML 信封），可作为参考或起点
2. 点击「新增」，编写自定义 encodeBody / decodeBody 逻辑，通过「测试」验证互逆后保存
3. 在 Shell 生成时选择同一个伪装，确保管理端和 Shell 端使用完全一致的编解码实现
4. 在节点配置中将「请求伪装」和「响应伪装」指向对应模板即可生效

• 在「管理后台 → 团队管理」创建团队并邀请成员
• 在节点详情中点击「分享」，指定团队或成员及读写权限
• 所有操作记录在「管理后台 → 审计日志」，支持按用户/时间/类型筛选

Q：启动时报 InaccessibleObjectException

必须添加 --add-opens 参数，不可省略：

java -jar --add-opens java.base/java.lang=ALL-UNNAMED LeoAi-0.0.3.jar

Q：AI 功能无响应或报错

1. 进入「管理后台 → AI 配置」检查通道配置
2. 点击「测试连接」验证 API Key 和 Base URL
3. 确认 API 配额和请求限制
4. 查看服务端日志获取详细错误信息

Q：节点连接失败

按以下顺序排查：

1. 确认目标 URL 可访问（curl 测试）
2. 确认通信协议与 Shell 实现一致
3. 确认节点密钥与 Shell 端配置一致
4. 若使用流量伪装，确认模板两端编解码逻辑匹配
5. 查看浏览器 Network 面板和服务端日志

Q：如何重置管理员密码

停止应用 → 删除（或备份）data.db → 重新启动 → 使用初始账号密码 admin / 54ikun 登录。

Q：支持 HTTPS 吗

建议通过前置 Nginx / Apache 反向代理层配置 SSL，将 HTTPS 请求转发至 LeoAI。

Q：data.db 文件在哪里

默认在 JAR 的运行目录下，可通过启动参数指定自定义路径：

--spring.datasource.url=jdbc:sqlite:/custom/path/data.db

部署安全

• 在受信任的内网或 VPN 环境中部署，不要将管理端口暴露至公网
• 首次启动后立即修改管理员密码
• 定期备份 data.db 文件
• 使用防火墙或 IP 白名单限制访问来源

操作安全

• 遵循最小权限原则，为不同成员分配必要的最小权限
• 不同项目使用不同团队账户进行隔离
• 妥善保管 LLM API Key，避免在日志或截图中泄露
• 在存在流量检测风险的环境中启用流量伪装功能
• 每位用户创建专属伪装，不同项目使用不同伪装，避免共享内置模板——伪装即通信密钥，泄露即意味着通信可被模拟或解密

本工具仅供已获得明确书面授权的安全测试、红队攻防演练和安全研究使用。 使用者须确保已取得目标系统所有者的合法授权。任何未经授权的访问、修改或破坏行为均属违法，开发者不对任何滥用或违法使用行为承担责任。使用本工具即表示你同意承担全部相关法律责任。

本项目采用 GNU General Public License v3.0 许可证。

• Issue：GitHub Issues
• 邮件：chaodovvn@gmail.com
• 项目主页：https://github.com/cha0upup/LeoAI