Communitygithub.com

Chasseur de Prime de Sécurité

Chassez les vulnérabilités de sécurité exploitables et dignes d'une prime dans les dépôts. Se concentre sur les vulnérabilités accessibles à distance qui peuvent être signalées, plutôt que sur des résultats bruyants et purement locaux. À utiliser pour la chasse aux vulnérabilités signalables et accessibles à distance dans un dépôt.

Qu'est-ce que Chasseur de Prime de Sécurité ?

Ce skill est conçu pour les chercheurs en sécurité et les développeurs qui souhaitent identifier des vulnérabilités exploitables dans un dépôt en vue d'une divulgation responsable ou d'une soumission de prime (Huntr, HackerOne, etc.). Il se concentre exclusivement sur les attaques accessibles à distance, pilotées par l'utilisateur, et ignore les motifs que les plateformes de bug bounty rejettent systématiquement comme informatifs ou hors scope. L'outil guide l'utilisateur à travers un workflow structuré : vérification du scope, identification des points d'entrée réels, exécution d'outils statiques (comme Semgrep), analyse manuelle du code, et validation d'un PoC minimal. Il inclut une table des motifs éligibles (SSRF, contournement d'authentification, injection SQL, etc.) et une liste des motifs à ignorer. Une structure de rapport et une gate de qualité sont fournies pour garantir la recevabilité des soumissions.

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait Chasseur de Prime de Sécurité ?

Utilisez ceci lorsque l'objectif est la découverte pratique de vulnérabilités pour une divulgation responsable ou une soumission de prime, et non pas une revue large des bonnes pratiques.

Quand l'Utiliser

  • Scanner un dépôt à la recherche de vulnérabilités exploitables
  • Préparer une soumission de prime Huntr, HackerOne, ou similaire
  • Trier les questions du type « est-ce que cela paie réellement ? » plutôt que « est-ce que c'est théoriquement dangereux ? »

Comment ça Marche

Favorisez les chemins d'attaque accessibles à distance et contrôlés par l'utilisateur, et jetez les motifs que les plateformes rejettent systématiquement comme informatifs ou hors scope.

Motifs Éligibles

Voici les types de problèmes qui comptent régulièrement :

MotifCWEImpact typique
SSRF via des URL contrôlées par l'utilisateurCWE-918Accès au réseau interne, vol de métadonnées cloud
Contournement d'authentification dans le middleware ou les gardes d'APICWE-287Accès non autorisé aux comptes ou aux données
Désérialisation à distance ou chemins de téléversement vers RCECWE-502Exécution de code
Injection SQL dans des points de terminaison accessiblesCWE-89Exfiltration de données, contournement d'authentification, destruction de données
Injection de commandes dans les gestionnaires de requêtesCWE-78Exécution de code
Traversée de chemin dans les chemins de service de fichiersCWE-22Lecture ou écriture arbitraire de fichiers
XSS auto-déclenchéCWE-79Vol de session, compromission administrateur

Ignorer Ceux-ci

Ceux-ci sont généralement à faible signal ou hors scope des primes, sauf si le programme en dit autrement :

  • pickle.loads, torch.load, ou équivalents uniquement locaux sans chemin distant
  • eval() ou exec() dans un outil uniquement en ligne de commande
  • shell=True sur des commandes entièrement codées en dur
  • Absence d'en-têtes de sécurité seuls
  • Plaintes génériques sur la limitation de débit sans impact d'exploitation
  • XSS auto-infligé nécessitant que la victime colle manuellement du code
  • Injection CI/CD qui ne fait pas partie du scope du programme cible
  • Code de démonstration, d'exemple ou de test uniquement

Workflow

  1. Vérifiez d'abord le scope : règles du programme, SECURITY.md, canal de divulgation et exclusions.
  2. Trouvez les points d'entrée réels : gestionnaires HTTP, téléversements, tâches d'arrière-plan, webhooks, analyseurs syntaxiques et points de terminaison d'intégration.
  3. Exécutez des outils statiques là où cela aide, mais traitez-les uniquement comme une contribution au triage.
  4. Lisez le chemin de code réel de bout en bout.
  5. Prouvez que le contrôle utilisateur atteint un puits significatif.
  6. Confirmez l'exploitabilité et l'impact avec le plus petit PoC sûr possible.
  7. Vérifiez les doublons avant de rédiger un rapport.

Exemple de Boucle de Triage

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

Puis filtrez manuellement :

  • supprimez les tests, démos, fixtures, code vendu
  • supprimez les chemins uniquement locaux ou non accessibles
  • conservez uniquement les résultats avec une route réseau claire ou contrôlée par l'utilisateur

Structure du Rapport

## Description
[Quelle est la vulnérabilité et pourquoi elle est importante]

## Code Vulnérable
[Chemin du fichier, plage de lignes et un petit extrait]

## Preuve de Concept
[Requête ou script de travail minimal]

## Impact
[Ce que l'attaquant peut accomplir]

## Version Affectée
[Version, commit ou cible de déploiement testée]

Gate de Qualité

Avant de soumettre :

  • Le chemin de code est accessible depuis un utilisateur réel ou une frontière réseau
  • L'entrée est véritablement contrôlée par l'utilisateur
  • Le puits est significatif et exploitable
  • Le PoC fonctionne
  • Le problème n'est pas déjà couvert par un avis, un CVE ou un ticket ouvert
  • La cible est effectivement dans le scope du programme de prime

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 associés