Sqlmap Skynet

🧠⚡ SQLMAP SKYNET-自主AI v1.2.0

人工智能辅助SQLMap编排 + 实时仪表盘 + MCP工具服务器（代理就绪）

一个有指导、可重复的工作流程： 目标→ 预检→ 分阶段扫描→ AI助手→ 证据→ 报告

______________________________________________________________________

🔥 更新v1.2.0——自主AI+MCPFast命令

✅ 品牌名称从 智能 → 自主AI\ ✅ 添加 MCPFast（快速MCP） 命令行用法（不需要UI）\ ✅ MCP支持 URL扫描 和 目标列表（.txt） 扫描\ ✅ 最适合 Windows+Linux服务器 （无头/无GUI）

什么是SQLMAP SKYNET（简单）

SQLMAP天网 包裹 sqlmap.py 带着一个 神经操作工作流程 --快速、结构化、可跟踪。

• ✅ 运营阶段 （检测→ 绕过→ 枚举→ Dump)
• ✅ 仪表板可见性 （日志、统计数据、工件）
• ✅ 自主AI调优 （奥利玛/云）
• ✅ RAG情报 （从成功中学习，回忆模式）
• ✅ MCP工具服务器 （代理自动化）

目标： 更高的信号，更少的噪声，并报告真实的证据。

______________________________________________________________________

工作流程：仪表板+MCP+AI+RAG

flowchart TD
  A["1. Targets
single URL or list"] --> B["2. Preflight
GET or POST + headers + cookies + safe limits"]

  B --> C["3A. Dashboard Control
FastAPI UI + WebSocket"]
  B --> D["3B. MCP Control
Agent tool calls"]

  C --> E["4. Runner Core
SQLMapRunner -> SQLMapBackend -> sqlmap.py"]
  D --> E

  E --> F["5A. Autonomous AI
Ollama first, cloud fallback"]
  E --> G["5B. RAG Memory
learn + recall"]
  E --> H["5C. Web Intel
optional search"]
  E --> I["5D. WAF Intel
fingerprint + bypass hints"]

  F --> J["6. Artifacts
reports + logs + sessions"]
  G --> J
  H --> J
  I --> J

  J --> K["7. View or Export
Dashboard + files"]

神经操作堆栈（简单）

flowchart TD
  subgraph INPUT["INPUT"]
    T["Targets"] --> PF["Preflight"]
  end

  subgraph CONTROL["CONTROL"]
    UI["Dashboard"] --- MCP["MCP Client"]
  end

  subgraph ENGINE["ENGINE"]
    RUN["Runner Core"] --> SM["sqlmap.py"]
  end

  subgraph INTEL["INTEL"]
    AI["Autonomous AI"] --- RAG["RAG Memory"] --- WEB["Web Intel"] --- WAF["WAF Intel"]
  end

  subgraph OUTPUT["OUTPUT"]
    ART["Artifacts"] --> REP["Reports"]
  end

  PF --> CONTROL
  CONTROL --> ENGINE
  ENGINE  INTEL
  ENGINE --> OUTPUT

核心思想： MCP和Dashboard是驱动相同引擎逻辑的两种方式：

• 仪表板=操作员界面
• MCP=代理/工具接口

______________________________________________________________________

📸 功能截图

🧾 报告样本

🎥 演示视频


Windows要求（选择您的AI模式）

✅ 最小值（无本地AI）

• Windows 10/11 64位
• python 3.12+
• Git
• sqlmap.py 目前（推荐： .\sqlmap\sqlmap.py)
• 任何CPU/8GB RAM

使用 云AI （OpenAI/Groq/DeepSeek/Kimi/Claude）或在AI功能关闭的情况下运行。

✅ 推荐（Ollama本地AI）

• Windows 10/11 64位
• python 3.12+
• 16GB内存 （推荐）
• GPU可选（使用Nvidia GPU+VRAM更快）
• 奥拉马+ Llama 3.2 模型(llama3.2:latest)

提示：Olama中的Llama 3.2有小变种（1B/3B）。如果你的电脑很弱，本地人工智能仍然可以工作——只是预计反应会变慢。

______________________________________________________________________

目录

• 安装和设置（在Windows上测试）
• 安装sqlmap.py
• 安装Ollama+Calma 3.2
• 运行SKYNET仪表板
• 第一次扫描教程
• 启用MCP服务器（代理模式）
• 云AI设置（如果你的电脑很弱）
• 配置电源提示（Config.py）
• 完整项目结构图
• 人工制品
• 社区与资源
• 🤝 贡献
• 📜 许可证
• ⚠️ 免责声明

______________________________________________________________________

安装和设置（在Windows上测试）

1） 克隆项目

打开 PowerShell:

git clone https://github.com/drcrypterdotru/sqlmap-skynet
cd sqlmap-skynet

2） 创建venv（必填）

py -3.12 -m venv .venv
.\.venv\Scripts\Activate.ps1
python --version

3） 安装Python依赖项

pip install -U fastapi uvicorn python-dotenv aiohttp requests numpy scikit-learn

可选（对于通过HTTP的MCP服务器）：

pip install -U fastmcp

4） 创建 .env

Copy-Item .env.example .env

打开 .env 并设置您需要的内容：

• 本地AI：Ollama（推荐）
• 或云AI密钥（如果PC较弱）

______________________________________________________________________

安装sqlmap.py

最佳实践（项目文件夹内）：

git clone https://github.com/sqlmapproject/sqlmap.git sqlmap

✅ 您必须具备：

sqlmap-skynet\
  sqlmap\sqlmap.py
  main.py
  config.py
  ...

______________________________________________________________________

安装Ollama+Calma 3.2

1） 安装Ollama（Windows）

• 从官方网站下载并安装Ollama for Windows。
• 安装后，打开一个新的PowerShell并验证：

ollama --version

2） 拉取SKYNET使用的模型（默认）

你的 config.py 设置：

• OLLAMA_MODELS['default'] = 'llama3.2:latest'

拉动它：

ollama pull llama3.2:latest

测试：

ollama run llama3.2:latest

如果以后要切换模型，请编辑 config.py 在...之下 OLLAMA_MODELS.

______________________________________________________________________

运行SKYNET仪表板

启动服务器：

python main.py --host 0.0.0.0 --port 1337 --debug

打开：

• 仪表板： http://127.0.0.1:1337

______________________________________________________________________

第一次扫描教程

使用您拥有/有权测试的目标。

步骤1——添加目标

在仪表板中：

• 粘贴 一个URL 或 多个URL （每行一个）

步骤2——设置方法

• GET查询参数
• 登录/表单的POST

步骤3——添加会话上下文（可选）

• 标头（用户代理、授权）
• Cookie（会话令牌）
• POST主体（用于POST扫描）

第4步——开始

选择安全默认值：

• max_cycles = 30
• RAG=ON（推荐）
• 网络搜索=关闭（简单启动）

然后单击 开始.

第五步——复习

扫描后：

• 检查 sqlmap_reports\
• 检查 memory\sessions\ （如果RAG已启用）

______________________________________________________________________

启用MCP服务器（代理模式）

MCP做什么

MCP允许AI代理调用SKYNET工具：

• sqlmap_scan → 开始扫描（使用 sqlmap.py)
• get_scan_status → 投票状态/结果
• get_ai_providers → 显示可用的AI后端

1） 安装MCP依赖项（一次）

pip install -U fastmcp

2） 通过HTTP启动MCP服务器

在新的PowerShell中运行（如果需要，请将仪表板保留在另一个终端中）：

fastmcp run .\mcp\server.py:mcp --transport http --host 127.0.0.1 --port 8055

您的MCP端点：

• http://127.0.0.1:8055/mcp

3） 确认MCP工具

fastmcp list http://127.0.0.1:8055/mcp

MCP是否适用于自主AI？

✅ 对。MCP工具 sqlmap_scan 创造 SQLMapRunner("sqlmap.py")，跑步者使用 core/autonomous_ai.py.\ 所以 MCP调用会自动使用您的自主AI+RAG逻辑 （无需更改模块）。

______________________________________________________________________

MCPFast（FastMCP）CLI模式——无UI（无头/服务器友好）

有时你不想要仪表板（例如： Linux服务器/VPS/无头机箱).\ 您可以运行SKYNET 完全从命令行 使用 FastMCP --当你没有GUI时，这是完美的。

📸 MCPFast演示截图

1） 启动MCP服务器（HTTP）

在项目根目录中打开终端：

fastmcp run .\mcp\server.py:mcp --transport http --host 127.0.0.1 --port 8055

MCP端点：

• http://127.0.0.1:8055/mcp

2） 验证MCP是否正常工作（工具+提供商+状态）

运行以下命令（这是MCP健康的最快证明）：

fastmcp list http://127.0.0.1:8055/mcp --auth none

fastmcp call http://127.0.0.1:8055/mcp get_ai_providers --auth none
fastmcp call http://127.0.0.1:8055/mcp get_scan_status --auth none

你应该看到什么

• 工具（3）： sqlmap_scan, get_scan_status, get_ai_providers
• 供应商： ollama （推荐）
• 状态： running=false 直到你开始扫描

3） 按URL运行扫描（一个目标）

fastmcp call http://127.0.0.1:8055/mcp sqlmap_scan --auth none ^
  url="http://testphp.vulnweb.com/artists.php?artist=1" ^
  method="GET" ^
  max_cycles=10 ^
  ai_provider="ollama"

4） 按目标列表文件运行扫描（多个目标）

创建 target.txt 在项目根目录中（每行一个URL），然后：

fastmcp call http://127.0.0.1:8055/mcp sqlmap_scan --auth none ^
  targetlist="target.txt" ^
  method="GET" ^
  max_cycles=10 ^
  ai_provider="ollama"

提示： targetlist 为了安全起见，应该放在项目文件夹中。

云AI设置（如果你的电脑很弱）

如果你不能快速运行Ollama（低RAM/CPU），你可以使用Cloud AI。

快速设置

1. 打开 .env
2. 添加一个键（例如OpenAI）：

OPENAI_API_KEY=YOUR_KEY_HERE

其他支持的密钥：

• GROQ_API_KEY=...
• DEEPSEEK_API_KEY=...
• KIMI_API_KEY=...
• ANTHROPIC_API_KEY=...

SKYNET将检测哪些提供商可用，并在需要时使用它们。

提供者优先级在中定义 config.py 作为 AI_PRIORITY.

______________________________________________________________________

配置深度指南（Config.py）

config.py 是 大脑+英特尔数据库 SKYNET。\ 如果你想要更好的结果， 这是第一个要调优的文件.

提示：在GitHub上，您可以单击文件： config.py → 然后使用浏览器搜索（Ctrl+F）查找下面的节名称。

快速地图（您可以调整的内容）

• ✅ 人工智能模型 （Olama车型名称）
• ✅ AI提供商优先级 （奥利玛优先或云优先）
• ✅ WAF旁路包 （延迟/线程/篡改预设）
• ✅ 篡改脚本数据库 （攻击性特征）
• ✅ 技术优先 （信号更快，噪音更小）
• ✅ 关键词智能 （高值列（关键字Intel）：自定义关键字列表以匹配您的环境（示例：加密、电子邮件、密码、哈希、令牌、apikey、secret）。SKYNET将优先考虑并突出显示匹配的列，以便您更快地识别影响。)

⚠️ 仅用于教育/授权测试。仅在您拥有的系统或您有书面许可的系统上使用。

______________________________________________________________________

点击查看完整详细信息（config.py）

1) OLLAMA_MODELS — local model selection

SKYNET从以下位置读取当地Ollama型号名称：

OLLAMA_MODELS = {"default": "llama3.2:latest"}

该怎么办：

• 保持 llama3.2:latest 如果它在您的PC上运行良好，则默认为。
• 如果你的电脑速度较慢，请使用较小的型号（如果你在Olama有）并在此处设置。

为什么重要： 模型选择影响AI计划的速度+质量。

2) AI_PRIORITY — which AI provider is used first

例子：

AI_PRIORITY = ["ollama","deepseek","kimi","groq","openai","claude"]

该怎么办：

• 想先离线吗？保持 ollama 第一。
• 想要云优先？将您的云提供商转移到前面。

为什么重要： 此列表中的第一个可用提供程序最常用。

3) REAL_WORLD_BYPASSES — WAF/Block presets (very important)

这部分就像一个“旁路剧本”。\ 它存储了常见条件的预设，如：

• Cloudflare / Akamai / Imperva / 果汁
• ModSecurity/AWS WAF
• 通用403/限速/验证码页面

典型预设包括：

• delay 和时间
• threads （较低的螺纹=较少的块）
• tamper_scripts （安全→ 侵略性）

SKYNET如何使用它：

• 如果它检测到阻塞模式（403、可疑标头、WAF签名），

它可以自动提出这些预设之一。

操作员提示：

• 从低/无篡改+低线程开始。
• 仅当您获得授权并确认WAF行为时才增加。

4) TAMPER_SCRIPTS — tamper profiles (basic → aggressive)

篡改脚本可以帮助规避过滤器，但它们也可以：

• 慢速扫描
• 增加误报
• 增加检测/噪声

SKYNET将它们组织成以下组：

• basic
• moderate
• aggressive
• waf_specific

最佳实践：

• 使用 基本的 第一。
• 使用 适度 只有在被封锁的时候。
• 使用 激进的 只有获得许可+明确的证据。

5) TECHNIQUE_PRIORITY — faster signal with less noise

这控制了SKYNET首先尝试关注的SQLi技术（取决于您的逻辑）。\ 典型技术：

• 基于错误
• 基于联盟
• 基于布尔值
• 基于时间的

为什么重要：\ 在许多真实目标上，从一开始就基于时间进行锤击会产生缓慢的扫描+块。\ 一个好的优先级顺序可以产生更快的确认和更清晰的结果。

6) HIGH_VALUE_COLUMNS — keyword intel that improves result quality

这是最强大的“操作员体验”功能之一。

HIGH_VALUE_COLUMNS 包含以下关键字：

• password, pass, hash
• email, phone
• token, apikey, secret
• session, cookie
• card, cc, billing
• admin, role, permission

SKYNET如何使用它：

• 当枚举发现许多列时，SKYNET会突出显示可能的高值字段。
• 这使得结果更容易阅读，并减少了浪费在无关表上的时间。

根据您的环境进行自定义 添加您自己的关键字，例如：

• HR： employee_id, salary, department
• 财务： invoice, receipt, balance
• 电子商务： order_id, shipment, cart
• 您的应用程序： telegram, line_id, customer_uid

大胜： 更好的关键字intel=更快地识别报告中的“实际影响”。

7) Other useful knobs you may have in config.py

根据您的版本，您可能还会看到：

• 默认延迟/线程限制
• 重试策略/回退
• 请求标头模板
• 检测模式/错误特征列表
• 文件浏览器根限制

如果你不确定：保持默认值，慢慢调整。

______________________________________________________________________

“更高级的功能和配置”（推荐方式）

如果你想让用户点击README：

• 在您的仓库中添加GitHub链接 config.py （示例）：

- ./config.py

• 在GitHub中，它会自动点击。

您可以将示例粘贴到README中的任何位置：

See: [config.py](./config.py)

完整项目结构图

sqlmap-skynet/
├─ 🚀 main.py
│  └─ FastAPI dashboard server + WebSocket control + scan orchestration
├─ 🧠 config.py
│  └─ AI models + provider priority + WAF bypass packs + tamper DB + keyword intel
├─ 🧩 api.py
│  └─ (optional/legacy) stats endpoint helper (older Flask-based helper)
├─ 🧪 .env / .env.example
│
├─ 🛠️ scanners/
│  ├─ 🧭 runner.py
│  │  └─ Phase engine (detect → bypass → enumerate → dump) + session state
│  └─ 🧱 sqlmap_backend.py
│     └─ Builds and executes real `sqlmap.py` commands
│
├─ 🧠 core/
│  ├─ 🤖 autonomous_ai.py
│  │  └─ AI planner + provider health + JSON plan parsing
│  ├─ 🧬 rag_memory.py
│  │  └─ Store/recall session intelligence (learn from past scans)
│  ├─ 🧾 report_generator.py
│  │  └─ Build artifacts/reports from results
│  ├─ 📡 state_manager.py
│  │  └─ Shared runtime state (running/progress/results)
│  ├─ 🛡️ waf_intel.py
│  │  └─ WAF fingerprinting + mutation ideas + learning profile
│  └─ 🧿 debug_logger.py
│     └─ Colored logs + structured tags
│
├─ 🔎 search/
│  └─ 🌐 web_search.py
│     └─ Optional web intel lookup + caching
│
├─ 🔌 mcp/
│  └─ 🛰️ server.py
│     └─ MCP tool server (sqlmap_scan, get_scan_status, get_ai_providers)
│
├─ 🧰 utils/
│  ├─ 🗂️ file_browser.py
│  │  └─ Safe file browsing inside project root (UI file picker)
│  └─ 🧩 parsers.py
│
├─ 🎛️ templates/
│  └─ 🖥️ dashboard.html
├─ 🎨 static/
│  └─ ⚙️ js/stats.js
│
├─ 🧠 memory/
│  ├─ 🧾 sessions/
│  │  └─ RAG memory snapshots (per scan)
│  ├─ 🗃️ search_cache/
│  │  └─ cached web intel queries
│  └─ 🧠 *_patterns.json
│     └─ learned patterns + bypass intelligence
│
└─ 📦 sqlmap_reports/
   └─ generated scan reports (html/json/txt depending on run)

______________________________________________________________________

人工制品

你的输出去哪里：

• sqlmap_reports\ → 扫描报告（校对+导出）
• memory\sessions\ → 每个会话的RAG快照
• memory\search_cache\ → 缓存的网络英特尔结果
• memory\*_patterns.json → 学习模式和旁路信息

______________________________________________________________________

明星历史


社区与资源

加入Telegram： https://t.me/burnwpcommunity

网站： https://drcrypter.net\ 更多的工具、资源和更新在网站+社区上共享。

______________________________________________________________________

🤝 贡献

我们欢迎捐款！请随意分叉此存储库，进行增强，并打开拉取请求。请查看问题页面以了解正在进行的任务或错误报告。

______________________________________________________________________

📜 许可证

该项目根据MIT许可证获得许可。有关详细信息，请参阅LICENSE文件。

______________________________________________________________________

⚠️ 免责声明

此工具仅用于教育目的。 🏫 创作者和贡献者不对任何滥用或造成的损害负责。负责任地使用，并且只能在您拥有或有权使用的系统上使用。 ✅