Communitygithub.com

Cazador de Recompensas de Seguridad

Busca vulnerabilidades de seguridad explotables y dignas de recompensa en repositorios. Se enfoca en vulnerabilidades alcanzables remotamente que califican para informes reales en lugar de hallazgos ruidosos solo locales. Úsalo para cazar vulnerabilidades reportables y alcanzables remotamente en un repositorio.

¿Qué es Cazador de Recompensas de Seguridad?

Esta habilidad está diseñada para profesionales de seguridad que buscan vulnerabilidades explotables en repositorios con el objetivo de realizar divulgación responsable o presentar recompensas por bugs. A diferencia de revisiones amplias de mejores prácticas, Security Bounty Hunter se centra exclusivamente en patrones de ataque de alto impacto que son aceptados por plataformas como HackerOne o Huntr. La habilidad prioriza vectores de ataque accesibles remotamente controlados por el usuario, como SSRF, deserialización remota, inyección SQL y omisiones de autenticación, mientras que filga ruido como fallos solo locales o configuraciones fuera de alcance. Incluye un flujo de trabajo paso a paso que guía al usuario desde la verificación del alcance del programa hasta la prueba de concepto final, ayudando a evitar informes duplicados y garantizando que las vulnerabilidades sean explotables y relevantes.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/security-bounty-hunter

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace Cazador de Recompensas de Seguridad?

Úsalo cuando el objetivo sea el descubrimiento práctico de vulnerabilidades para divulgación responsable o presentación de recompensas, no una revisión amplia de mejores prácticas.

Cuándo Usarlo

  • Escaneando un repositorio en busca de vulnerabilidades explotables
  • Preparando una presentación de recompensa en Huntr, HackerOne o similar
  • Triaje donde la pregunta es "¿esto realmente paga?" en lugar de "¿es teóricamente inseguro?"

Cómo Funciona

Se inclina hacia vectores de ataque alcanzables remotamente y controlados por el usuario, y descarta patrones que las plataformas rechazan rutinariamente como informativos o fuera de alcance.

Patrones Dentro del Alcance

Estos son los tipos de problemas que consistentemente importan:

PatrónCWEImpacto Típico
SSRF a través de URLs controladas por el usuarioCWE-918Acceso a red interna, robo de metadatos en la nube
Bypass de autenticación en middleware o guards APICWE-287Acceso no autorizado a cuentas o datos
Deserialización remota o rutas de subida a RCECWE-502Ejecución de código
Inyección SQL en endpoints alcanzablesCWE-89Exfiltración de datos, bypass de autenticación, destrucción de datos
Inyección de comandos en manejadores de solicitudesCWE-78Ejecución de código
Path traversal en rutas de servicio de archivosCWE-22Lectura o escritura arbitraria de archivos
XSS de activación automáticaCWE-79Robo de sesión, compromiso de administrador

Saltar Estos

Estos generalmente son de baja señal o están fuera del alcance de recompensas a menos que el programa diga lo contrario:

  • pickle.loads, torch.load o equivalentes solo locales sin ruta remota
  • eval() o exec() en herramientas solo de línea de comandos
  • shell=True en comandos completamente hardcodeados
  • Cabeceras de seguridad faltantes por sí solas
  • Quejas genéricas de limitación de tasa sin impacto de explotación
  • Self-XSS que requiere que la víctima pegue código manualmente
  • Inyección CI/CD que no es parte del alcance del programa objetivo
  • Código de demostración, ejemplo o solo de prueba

Flujo de Trabajo

  1. Verificar primero el alcance: reglas del programa, SECURITY.md, canal de divulgación y exclusiones.
  2. Encontrar puntos de entrada reales: manejadores HTTP, subidas, trabajos en segundo plano, webhooks, analizadores y endpoints de integración.
  3. Ejecutar herramientas estáticas donde ayude, pero tratarlo solo como entrada de triaje.
  4. Leer la ruta de código real de principio a fin.
  5. Probar que el control del usuario llega a un sumidero significativo.
  6. Confirmar explotabilidad e impacto con la PoC más pequeña y segura posible.
  7. Verificar duplicados antes de redactar un informe.

Ejemplo de Bucle de Triaje

semgrep --config=auto --severity=ERROR --severity=WARNING --json

Luego filtrar manualmente:

  • eliminar tests, demos, fixtures, código vendido
  • eliminar rutas solo locales o no alcanzables
  • mantener solo hallazgos con una ruta clara de red o controlada por el usuario

Estructura del Informe

## Descripción
[Qué es la vulnerabilidad y por qué importa]

## Código Vulnerable
[Ruta del archivo, rango de líneas y un pequeño fragmento]

## Prueba de Concepto
[Solicitud o script mínimo funcional]

## Impacto
[Qué puede lograr el atacante]

## Versión Afectada
[Versión, commit o despliegue específico probado]

Puerta de Calidad

Antes de presentar:

  • La ruta de código es alcanzable desde un usuario real o un límite de red
  • La entrada es genuinamente controlada por el usuario
  • El sumidero es significativo y explotable
  • La PoC funciona
  • El problema no está ya cubierto por un aviso, CVE o ticket abierto
  • El objetivo está realmente dentro del alcance del programa de recompensas

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Skills relacionados