H1 Brain

h1脑

将您的AI助手连接到HackerOne的MCP服务器。它将你的bug赏金历史、程序范围和报告详细信息拉入本地SQLite数据库，然后公开工具，让任何兼容MCP的客户端（Claude Desktop、Claude Code等）搜索、分析和构建你过去的工作。

它还附带了 3600多份公开披露的悬赏报告的预建数据库 来自HackerOne社区的完整漏洞报告、漏洞类型和赏金金额。AI使用您的个人数据和公共知识来生成攻击简报。

主要工具， hack(handle)，在一次通话中生成完整的黑客会话简报：API的新范围、您过去的发现、该程序的公开披露、弱点模式、未动资产和建议的攻击向量-所有这些都被格式化为可操作的指令，使人工智能进入攻击模式。

h1-brain demo

运作原理

有关完整的演练，请查看三个部分 Bug Bounty金鱼 系列：

1. 教克劳德你破解的一切 --我为什么构建h1大脑以及如何设置它
2. h1大脑到底在做什么 --从搜索到 hack() 简报
3. 运行h1大脑对抗真实目标 --关于实际程序的从头到尾的演练

graph LR
    A["Claude Desktop / Code"] -->|MCP Protocol| B["h1-brain server"]
    B -->|API calls| C["HackerOne API"]
    B -->|reads / writes| D["Your Reports DB"]
    B -->|reads| E["Public Reports DB"]
    C -->|reports, programs, scopes| B
    D -->|your history + analysis| A
    E -->|community knowledge| A
    style A fill:#ff5c5c,stroke:#ff5c5c,color:#fff
    style B fill:#1a1d27,stroke:#ff5c5c,color:#fff
    style C fill:#1a1d27,stroke:#555,color:#fff
    style D fill:#1a1d27,stroke:#555,color:#fff
    style E fill:#1a1d27,stroke:#555,color:#fff

flowchart TD
    A["hack(handle)"] --> B["Fetch fresh scope from HackerOne API"]
    B --> C["Pull your reports on this program from SQLite"]
    C --> D["Analyze weakness patterns across ALL programs"]
    D --> E["Identify untouched bounty-eligible assets"]
    E --> F["Cross-reference public disclosed reports for this program"]
    F --> G["Generate attack briefing with agent instructions"]
    style A fill:#ff5c5c,stroke:#ff5c5c,color:#fff
    style G fill:#ff5c5c,stroke:#ff5c5c,color:#fff
    style B fill:#1a1d27,stroke:#555,color:#fff
    style C fill:#1a1d27,stroke:#555,color:#fff
    style D fill:#1a1d27,stroke:#555,color:#fff
    style E fill:#1a1d27,stroke:#555,color:#fff
    style F fill:#1a1d27,stroke:#555,color:#fff

需求

• Python 3.10+
• HackerOne API令牌(在此处生成一个)

设置

git clone https://github.com/PatrikFehrenbach/h1-brain.git
cd h1-brain
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt

公开披露报告数据库(disclosed_reports.db)包含在repo中，无需额外设置。

连接到克劳德

克劳德桌面版

添加 ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "h1-brain": {
      "command": "/path/to/h1-brain/venv/bin/python",
      "args": ["/path/to/h1-brain/server.py"],
      "env": {
        "H1_USERNAME": "your_hackerone_username",
        "H1_API_TOKEN": "your_api_token"
      }
    }
  }
}

保存后重新启动Claude Desktop。

克劳德代码

claude mcp add h1-brain \
  -e H1_USERNAME=your_hackerone_username \
  -e H1_API_TOKEN=your_api_token \
  -- /path/to/h1-brain/venv/bin/python /path/to/h1-brain/server.py

首映

连接后，填充您的个人数据库：

1. fetch_rewarded_reports --提取所有奖励报告，并附上完整的漏洞报告。这是最重要的一步。
2. fetch_programs --提取您有权访问的所有程序。

这些只需要运行一次。定期重新运行以同步新报告。

公开披露的报告可以立即查询，无需设置。

工具

hack(handle)

主要入口点。一个电话可以完成一切：

1. 从HackerOne API获取新的程序范围
2. 提取您过去对该计划的奖励报告
3. 交叉引用您的完整报告历史记录以了解弱点模式
4. 识别未触及的符合赏金条件的资产
5. 为该项目提取公开披露的报告——其他研究人员发现并获得报酬的内容
6. 根据在其他地方发现但在这里没有发现的弱点提出攻击向量
7. 返回一个攻击简报，将AI置于攻击模式

简报结构：

• 范围 --有严重性上限的赏金合格和非赏金资产
• 你过去的发现 --用严重程度、弱点类型和赏金金额奖励报告
• 有效的弱点类型 --这里以前有什么奖励
• 未接触范围 --奖励符合条件的资产，您没有发现任何结果
• 建议的攻击媒介 --其他项目上奖励的弱点，但此处尚未发现
• 公开披露报告 --其他研究人员在这个项目中发现了公开披露的弱点模式
• 说明 --使用特定指令将AI置于攻击模式

您的报告

这些查询您的个人数据(h1_data.db).没有API调用，即时结果。

公开披露报告

这些查询预先构建的3600多个悬赏公开披露数据库(disclosed_reports.db).

数据同步

建筑

server.py              MCP server
hack_instructions.md   Attack briefing instructions (loaded by hack())
h1_data.db             Your personal reports, programs, scopes (auto-created, gitignored)
disclosed_reports.db   3,600+ public disclosed bounty reports (ships with repo)
requirements.txt       Python dependencies (mcp, httpx)

两个数据库

AI知道其中的区别。您的个人工具(search_reports, get_report)查询您的数据。公共工具(search_disclosed_reports, get_disclosed_report)查询社区数据。 hack() 两者都使用。

公共报告数据库

这 disclosed_reports.db 包含公开披露的HackerOne报告：

• 支付了赏金
• 有实际的漏洞报告（编辑/空报告除外）

每份报告包括：标题、漏洞详细信息、漏洞类型、程序、资产、CVE和赏金金额（如果可用）。

作者

帕特里克 Grobshäuser — 领英 · 十、

许可证

麻省理工学院