sundew (Sundew Sh)

Sundew

A carnivorous honeypot for AI agents

______________________________________________________________________

Sundew部署了看起来逼真的服务，吸引了自主的人工智能代理，然后对他们的行为进行指纹识别和分类。每个部署都是独一无二的——由一个生成连贯身份的角色引擎提供支持，使每个实例与真实服务无法区分。

以 茅膏菜 --一种食肉植物，有像露珠一样闪闪发光的粘性触手。昆虫被吸引，着陆，无法逃脱。美丽、耐心、有效。

Sundew starts, shows persona: "Northvane Analytics (fintech)" 2. Split terminal: simulate AI agent discovering /.well-known/ai-plugin.json, reading /docs (OpenAPI), enumerating endpoints, connecting via MCP 3. Sundew logs light up with real-time classification, confidence scores climbing 4. sundew query --last-session -> full captured session with ai_agent (confidence: 0.91) 5. sundew generate --persona healthcare -> completely different deployment in seconds -->

Every deployment looks different. Every agent gets caught.

为什么是Sundew？

自主AI代理是进攻性安全的下一个前沿。他们浏览网页，调用API，连接到MCP服务器，并执行多步攻击链——所有这些都没有人为指导。三十年的蜜罐研究一直集中在人类攻击者身上。AI代理几乎什么都不存在。

阳光填补了这个空白。它暴露了人工智能代理实际与之交互的表面——MCP服务器、OpenAPI规范、人工智能插件清单——并使用行为指纹来分类访问者是人类、自动扫描仪、人工智能辅助工具还是完全自主的代理。

核心创新是 角色引擎当AI代理了解一个蜜罐的样子时，它可以避免所有相同的部署。Sunnew通过为每个实例生成唯一标识来解决这一问题——不同的公司名称、API结构、响应格式、时间配置文件和数据主题。看过一个Sundew部署的代理对其他代理没有任何优势。

快速开始

Docker（推荐）：

docker run -p 8080:8080 karpie28/sundew

pip：

pip install sundewsh
sundew serve

来源：

git clone https://github.com/sundew-sh/sundew.git
cd sundew && make run

Sundew现在正在运行 http://localhost:8080 使用随机生成的角色。打开另一个终端，看看会发生什么。

你会看到什么

当AI代理发现你的Sundew部署时，日志会告诉你：

$ sundew serve
INFO   Sundew v0.1.0 starting...
INFO   Persona loaded: Northvane Analytics (fintech)
INFO   Endpoints: /api/v2/transactions, /api/v2/accounts, /api/v2/customers
INFO   MCP server active: query_transactions, get_customer_profile, read_config
INFO   Listening on 0.0.0.0:8080

12:04:31 GET  /.well-known/ai-plugin.json     src=83.21.4.17   signal=ai_discovery
12:04:31 GET  /openapi.json                    src=83.21.4.17   signal=api_enum
12:04:32 GET  /api/v2/transactions?limit=100   src=83.21.4.17   signal=data_access
12:04:32 GET  /api/v2/customers                src=83.21.4.17   signal=data_access
12:04:33 POST /api/v2/auth/login               src=83.21.4.17   signal=auth_attempt
12:04:33 MCP  initialize                       src=83.21.4.17   signal=mcp_connect
12:04:34 MCP  tools/call: read_config          src=83.21.4.17   signal=sensitive_access

SESSION CLASSIFIED: ai_agent (confidence: 0.91)
  Timing:      0.85 (consistent 200-800ms intervals)
  Enumeration: 0.92 (systematic path discovery)
  Headers:     0.78 (missing Referer, bot-like UA)
  MCP:         1.00 (connected via MCP protocol)
  Prompt leak: 0.88 ("As an AI assistant" in POST body)

使用CLI查询捕获的会话：

sundew query --last-session
sundew query --type ai_agent --last 24h
sundew stats

或者使用Sundew作为MCP服务器从Claude查询您的蜜罐数据：

{
  "mcpServers": {
    "sundew": {
      "command": "sundew",
      "args": ["mcp-client"]
    }
  }
}

运作原理

                         Incoming Request
                               |
                    +----------+-----------+
                    |                      |
              MCP Protocol           HTTP Request
                    |                      |
            +-------+-------+    +---------+---------+
            | MCP Trap      |    | REST API Trap     |
            | Fake tools    |    | Fake endpoints    |
            | per persona   |    | per persona       |
            +-------+-------+    +---------+---------+
                    |                      |
                    +----------+-----------+
                               |
                     +---------+---------+
                     | Fingerprinter     |
                     | 5 signal scores   |
                     | 0.0-1.0 each      |
                     +---------+---------+
                               |
                     +---------+---------+
                     | Classifier        |
                     | human | automated |
                     | ai_assisted |     |
                     | ai_agent         |
                     +---------+---------+
                               |
                     +---------+---------+
                     | Storage           |
                     | SQLite + JSONL    |
                     | Structured logs   |
                     +-------------------+

  The Persona Engine shapes everything above:
  endpoint paths, response bodies, headers,
  timing, error formats, tool names, data themes.
  Every deployment is unique.

Persona引擎

在第一次运行时，Sundew生成了一个部署角色——一个连贯的身份，塑造了蜜罐的各个方面：

# Auto-generated, stored in ./data/persona.yaml
persona:
  company_name: "Northvane Analytics"
  industry: "fintech"
  api_style: "rest"
  framework_fingerprint: "express"
  auth_scheme: "bearer_jwt"
  data_theme: "financial"
  response_latency_ms: [80, 350]
  server_header: "nginx/1.24.0"
  endpoint_prefix: "/api/v2"

人物角色是在部署时使用LLM（本地通过Ollama或云API）生成的。响应在运行时被预先生成、缓存和确定性地提供——操作期间没有LLM延迟。

没有法学硕士？Sundew为常见行业预装了角色包。

陷阱表面

指纹信号

分类的综合评分图： human (\0.8).

配置

所有配置都存在 sundew.yaml:

traps:
  mcp_server: true
  rest_api: true
  ai_discovery: true

persona: auto  # or path to custom persona.yaml

llm:
  provider: ollama  # ollama, anthropic, openai, bedrock, none
  model: llama3

server:
  host: 0.0.0.0
  port: 8080

storage:
  database: ./data/sundew.db
  log_file: ./data/events.jsonl

请参阅 配置指南 对于所有选项。

路线图

看 ROADMAP.md 对于完整的计划。

文档

完整文档可在 医生s.sundw.sh:

• 快速入门 --距离第一次接球还有5分钟
• 概念 --Sundew如何在引擎盖下工作
• 指南 --构建自定义角色，部署到生产环境，分析数据
• 研究 --我们对AI代理行为的了解

贡献

Sundew是Apache 2.0许可下的开源软件。我们欢迎各种捐助。

看 贡献.md 关于开发设置、代码风格以及如何提交pull请求。

我们希望得到帮助的关键领域：

• Persona包 --新的行业主题（电子商务、物联网、游戏、政府）
• 圈闭类型 --GraphQL、gRPC、WebSocket、SSH
• 指纹信号 --新的检测启发式方法
• 研究 --部署Sundew并分享匿名调查结果

致谢

Sundew建立在数十年蜜罐研究的基础上，同时解决了人工智能攻击工具的新现实。

许可证

Apache许可证2.0。看 许可证 了解详情。

______________________________________________________________________

sundew.sh · docs · github