ram-prasad-sahoo/astrava

GitHub: ram-prasad-sahoo/astrava

一款基于本地 Ollama 驱动的 AI Web 漏洞扫描器，帮助安全团队在离线隐私环境下自动化发现与修复漏洞。

Stars: 12 | Forks: 3

Astrava Logo # 🛡️ Astrava AI 安全扫描器 ### *高级 AI 驱动的 Web 漏洞扫描器* [![Python](https://img.shields.io/badge/Python-3.8%2B-blue?style=for-the-badge&logo=python&logoColor=white)](https://www.python.org/) [![OWASP](https://img.shields.io/badge/OWASP-Top%2010%202021-red?style=for-the-badge&logo=owasp&logoColor=white)](https://owasp.org/) [![AI](https://img.shields.io/badge/AI-Ollama%20Powered-green?style=for-the-badge&logo=ai&logoColor=white)](https://ollama.ai/) [![License](https://img.shields.io/badge/License-MIT-yellow?style=for-the-badge)](LICENSE) [![Platform](https://img.shields.io/badge/Platform-Windows%20%7C%20Linux%20%7C%20macOS-lightgrey?style=for-the-badge)](https://github.com/ram-prasad-sahoo/astrava) **面向渗透测试人员和安全研究人员的专业级安全测试工具** [🚀 快速开始](#-quick-start) • [📖 文档](#-documentation) • [🤝 贡献指南](#-contributing) • [⭐ 星标我们](https://github.com/ram-prasad-sahoo/astrava)
## 🌟 概述 **Astrava** 是一款前沿的 Web 安全扫描器，能够无缝结合传统漏洞检测与基于本地 Ollama 模型的 AI 分析。为重视性能与隐私的安全专业人士而构建。 ### ✨ 主要特性
#### 🤖 **AI 驱动分析** - 本地 Ollama 集成 - 注重隐私的处理 - 无云端依赖 - 多模型支持 #### 🛡️ **OWASP Top 10 2021** - 完整覆盖 - A01 至 A10 类别 - 真实世界攻击场景 - 专业报告 #### 🌐 **现代化 Web 界面** - 实时漏洞推送 - 实时扫描统计 - 直观仪表盘 - 深色主题 UI #### ⚡ **智能且快速** - 智能载荷缓存 - 多线程扫描 - 优化性能 - 快速扫描模式
### 🎯 为何选择 Astrava？ ``` ✓ Privacy First → All AI processing happens locally on your machine ✓ One Command → Unified interface for both GUI and CLI modes ✓ Cross-Platform → Works seamlessly on Windows, Linux, and macOS ✓ Professional → Enterprise-grade reports with remediation guidance ✓ Open Source → MIT License, free forever ✓ Easy Setup → One-command installation, ready in minutes ``` ## 🚀 快速开始 ### 📦 安装
🪟 Windows ``` git clone https://github.com/ram-prasad-sahoo/astrava.git cd astrava install.bat ``` **注意**：安装程序会自动创建 Python 虚拟环境并安装所有依赖项。
🐧 Linux ``` git clone https://github.com/ram-prasad-sahoo/astrava.git cd astrava chmod +x install.sh ./install.sh ``` **注意**：安装程序会自动创建 Python 虚拟环境并安装所有依赖项。
🍎 macOS ``` git clone https://github.com/ram-prasad-sahoo/astrava.git cd astrava chmod +x install.sh ./install.sh ``` **注意**：安装程序会自动创建 Python 虚拟环境并安装所有依赖项。
### 🎮 启动应用 #### 🌐 Web GUI 模式（推荐） ``` python astrava.py ``` 然后在浏览器中打开：**http://localhost:5000** #### 💻 CLI 模式 ``` # 基础扫描 python astrava.py -u https://example.com # 完整的 OWASP Top 10 扫描 python astrava.py -u https://example.com --owasp-all # 带有链式攻击的激进扫描 python astrava.py -u https://example.com --owasp-all --chain-attacks # 获取帮助 python astrava.py --help ``` ## 💻 系统要求 ### 最低要求
#### 🖥️ **硬件** - **CPU**：双核处理器（2 GHz+） - **内存**：至少 4 GB - 2 GB 用于 Astrava - 2 GB 用于 AI 模型（若使用 Ollama） - **存储**：5 GB 可用空间 - 500 MB 用于 Astrava - 2-4 GB 用于 AI 模型 - **网络**：需要互联网连接 #### 💿 **软件** - **操作系统**：Windows 10+、Linux、macOS 10.15+ - **Python**：3.8 或更高版本 - **浏览器**：现代浏览器（Chrome、Firefox、Edge） - **Ollama**：可选（用于 AI 功能） - **Git**：用于从源码安装
### 推荐要求
#### 🚀 **最佳性能** - **CPU**：四核处理器（3 GHz+） - **内存**：8 GB 或更多 - **存储**：10 GB 可用空间 - **网络**：宽带连接 #### 🤖 **AI 功能** - **内存**： - 2 GB：llama3.2:1b（轻量级） - 4 GB：llama3.2:3b（均衡） - 8 GB：mistral:7b（高性能） - **Ollama**：最新版本 - **GPU**：可选（可加速 AI）
### 支持平台 | 平台 | 版本 | 状态 | 备注 | |:--------:|:---------|:------:|:------| | 🪟 **Windows** | 10、11、Server 2019+ | ✅ 完全支持 | 使用 install.bat | | 🐧 **Linux** | Ubuntu 20.04+、Debian 10+、Fedora 35+、Arch、Kali | ✅ 完全支持 | 使用 install.sh | | 🍎 **macOS** | 10.15+（Catalina 及更高版本） | ✅ 完全支持 | Intel 与 Apple Silicon | ## 📋 软件要求 | 组件 | 版本 | 是否必需 | 备注 | |-----------|---------|----------|-------| | 🐍 **Python** | 3.8+ | ✅ 是 | 核心运行时 | | 🌐 **网络** | - | ✅ 是 | 用于扫描目标 | | 🤖 **Ollama** | 最新版 | ⚠️ 可选 | 用于 AI 功能 | ### 🤖 AI 设置（可选但推荐）
点击展开 AI 设置说明 #### 步骤 1：安装 Ollama - **Windows**：从 [ollama.ai](https://ollama.ai) 下载 - **Linux**：`curl -fsSL https://ollama.ai/install.sh | sh` - **macOS**：`brew install ollama` #### 步骤 2：下载 AI 模型 根据系统资源选择： ``` # 🎯 推荐（专注于安全） ollama pull xploiter/pentester # 💡 替代方案 ollama pull llama3.2:1b # 1GB RAM - Lightweight ollama pull llama3.2:3b # 2GB RAM - Balanced ollama pull qwen2.5:3b # 2GB RAM - Alternative ollama pull mistral:7b # 4GB RAM - Powerful ``` #### 步骤 3：在 Astrava 中配置 1. 启动：`python astrava.py` 2. 导航至 **AI 模型设置** 3. 选择已下载的模型 4. 点击 **保存设置** ✅ 完成！现在 AI 驱动的扫描已激活。
## 🎚️ 扫描模式
模式 描述 时长 适用场景
⚡ 基础 快速扫描，核心漏洞 1-3 分钟 快速安全评估
🎯 标准 OWASP Top 10 + 漏洞扫描 5-15 分钟 常规安全测试
🔥 激进 全量扫描 + 链式攻击 + 深度 AI 15-45 分钟 全面安全审计
## 🛡️ OWASP Top 10 覆盖
| # |类别 | 包含测试 | 状态 | |:-:|----------|----------------|:------:| | **A01** | 🔓 失效的访问控制 | IDOR、路径遍历、强制浏览 | ✅ | | **A02** | 🔐 加密故障 | SSL/TLS、弱密码、敏感数据 | ✅ | | **A03** | 💉 注入 | SQL、NoSQL、LDAP、命令、XSS | ✅ | | **A04** | 🎨 不安全设计 | 调试信息、业务逻辑缺陷 | ✅ | | **A05** | ⚙️ 安全配置错误 | 头部、默认凭证、错误处理 | ✅ | | **A06** | 📦 易受攻击的组件 | 版本检测、CVE 匹配 | ✅ | | **A07** | 🔑 认证失败 | Cookie 安全性、会话管理 | ✅ | | **A08** | 🔗 软件与数据完整性 | 反序列化、供应链 | ✅ | | **A09** | 📊 日志与监控 | 日志缺口评估 | ✅ | | **A10** | 🌐 服务器端请求伪造 | 云元数据、内部服务 | ✅ |
## 🔧 高级用法 ### 📝 命令行选项 ``` python astrava.py --help ```
查看所有可用选项 #### 🎯 基础选项 - **无参数** → 启动 Web GUI（默认） - `-u, --url URL` → 目标 URL（CLI 扫描模式） - `--version` → 显示版本信息 - `--help` → 显示帮助信息 #### 🔍 扫描选项 - `--owasp-all` → 测试所有 OWASP Top 10 类别 - `--chain-attacks` → 启用多步骤攻击检测 - `--passive-only` → 仅被动侦察 - `--active-only` → 仅主动扫描 #### ⚙️ 配置 - `--model MODEL` → 使用的 AI 模型（默认：xploiter/pentester） - `--threads N` → 并发线程数（默认：10） - `--timeout SEC` → 请求超时（默认：30） - `--custom-payloads FILE` → 自定义载荷文件 #### 📊 输出选项 - `-o, --output DIR` → 报告输出目录 - `--format FORMAT` → 报告格式（html、json、pdf） - `-v, --verbose` → 启用详细日志
### 🎯 使用示例 ``` # 🌐 启动 Web GUI python astrava.py # ⚡ 快速扫描 python astrava.py -u https://example.com # 🎯 标准 OWASP 扫描 python astrava.py -u https://example.com --owasp-all # 🔥 带有所有功能的激进扫描 python astrava.py -u https://example.com --owasp-all --chain-attacks --verbose # 🔍 仅被动侦察 python astrava.py -u https://example.com --passive-only # 🎨 自定义有效载荷 python astrava.py -u https://example.com --custom-payloads payloads/custom.txt # 📊 使用 20 个线程的 JSON 输出 python astrava.py -u https://example.com --format json --threads 20 ``` ## 📊 报告 报告会自动保存到 `reports/` 目录，包含：
### 📈 **报告内容** - ✅ 执行摘要 - ✅ 风险评分（0-100） - ✅ 漏洞分类 - ✅ 详细发现 - ✅ AI 生成分析 - ✅ 修复建议 ### 🎨 **报告特性** - 🌐 专业 HTML 格式 - 📊 视觉化图表与图形 - 🎯 严重等级分类 - 🔗 CWE 参考 - 📝 OWASP 映射 - 💡 修复建议
## 📁 项目结构 ``` astrava/ ├── 🎯 astrava.py # MAIN ENTRY POINT (GUI + CLI) ├── 🌐 web_gui.py # Flask web server backend ├── 💻 main.py # Legacy CLI entry point │ ├── 🧠 core/ │ ├── ai_engine.py # AI engine with streaming │ ├── scanner_engine.py # Main scan orchestrator │ └── config.py # Scan configuration │ ├── 🔍 modules/ │ ├── vulnerability_scanner.py # Core vulnerability detection │ ├── owasp_scanner.py # OWASP Top 10 tests │ ├── reconnaissance.py # Passive/active recon │ └── chain_attacks.py # Attack chain analysis │ ├── 🛠️ utils/ │ ├── model_manager.py # AI routing │ ├── ollama_manager.py # Ollama lifecycle │ ├── config_store.py # Encrypted config │ └── report_generator.py # HTML reports │ ├── 🎨 templates/ │ └── index.html # Web GUI template │ ├── 📦 Installation │ ├── install.bat # Windows installer │ ├── install.sh # Linux/macOS installer │ ├── requirements.txt # Python dependencies │ └── verify_installation.py # Installation check │ └── 📖 Documentation ├── README.md # This file └── LICENSE # MIT License ``` ## 🌍 跨平台支持
| 平台 | 状态 | 测试版本 | |:--------:|:------:|:----------------| | 🪟 **Windows** | ✅ 完全支持 | 10、11、Server 2019+ | | 🐧 **Linux** | ✅ 完全支持 | Ubuntu 20.04+、Debian 10+、Fedora 35+、Arch、Kali | | 🍎 **macOS** | ✅ 完全支持 | 10.15+（Intel 与 Apple Silicon） |
## 🚀 性能

⚡ 快速

多线程扫描
智能载荷缓存
优化算法

🎯 精确

低误报率
AI 验证
真实世界攻击场景

🔒 安全

本地 AI 处理
无数据泄漏
注重隐私的设计
## 📚 文档 ### 🎓 快速参考 | 命令 | 描述 | |---------|-------------| | `python astrava.py` | 启动 Web GUI | | `python astrava.py -u ` | CLI 扫描模式 | | `python astrava.py --help` | 显示帮助 | | `python astrava.py --version` | 显示版本 | | `python verify_installation.py` | 验证安装 | ### 📖 额外资源 - 🌐 [GitHub 仓库](https://github.com/ram-prasad-sahoo/astrava) - 📧 [邮件支持](mailto:ramprasadsahoo42@gmail.com) - 🐛 [报告问题](https://github.com/ram-prasad-sahoo/astrava/issues) - ⭐ [GitHub 星标](https://github.com/ram-prasad-sahoo/astrava) ## ⚠️ 法律声明
### 🚨 **重要：使用前请阅读** 🚨
#### ✅ 允许使用 - ✓ 测试你**拥有**的系统 - ✓ 在**明确书面授权**下测试 - ✓ 教育用途（在受控环境中） - ✓ 安全研究（获得适当授权） #### ❌ 禁止使用 - ✗ 未经授权扫描第三方系统 - ✗ 恶意活动或攻击 - ✗ 违反计算机犯罪法律（CFAA、GDPR 等） - ✗ 任何非法或不道德行为 #### 📜 你的责任 - 在扫描前获取适当授权 - 遵守所有适用法律和法规 - 以道德和负责任的方式使用工具 - 尊重隐私和数据保护法律 **使用本工具即表示你同意以负责任和合法的方式使用。作者对误用或损害不承担任何责任。** ## 🤝 贡献 我们欢迎社区贡献！以下是你可以帮助的方式：

🐛

报告 Bug
发现 Bug？
提交问题

💡

建议功能
有想法？
分享给我们

🔧

提交 PR
想编码？
创建 Pull Request

⭐

星标仓库
喜欢这个项目？
给我们一颗星！
### 🔄 贡献流程 1. 🍴 叉仓库 2. 🌿 创建功能分支（`git checkout -b feature/amazing-feature`） 3. ✍️ 提交更改`git commit -m 'Add amazing feature'`） 4. 📤 推送到分支（`git push origin feature/amazing-feature`） 5. 🎉 发起 Pull Request ## 📝 许可证
**MIT 许可证** - 免费且开源 [![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg?style=for-the-badge)](LICENSE) 本项目根据 MIT 许可证授权 - 参见 [LICENSE](LICENSE) 文件详情。
## 👤 作者
### **RAM (Ram Prasad Sahoo)** [![GitHub](https://img.shields.io/badge/GitHub-ram--prasad--sahoo-181717?style=for-the-badge&logo=github)](https://github.com/ram-prasad-sahoo) [![Email](https://img.shields.io/badge/Email-ramprasadsahoo42%40gmail.com-D14836?style=for-the-badge&logo=gmail&logoColor=white)](mailto:ramprasadsahoo42@gmail.com) [![LinkedIn](https://img.shields.io/badge/LinkedIn-Ram%20Prasad%20Sahoo-0077B5?style=for-the-badge&logo=linkedin)](https://linkedin.com/in/ram-prasad-sahoo)
## 🙏 感谢
特别感谢： 🛡️ **OWASP 基金会** - 提供安全测试指南 🤖 **Ollama 团队** - 提供本地 AI 基础设施 🌟 **开源社区** - 提供灵感与支持 💻 **贡献者** - 让本项目变得更好
## 📊 项目统计
![GitHub stars](https://img.shields.io/github/stars/ram-prasad-sahoo/astrava?style=social) ![GitHub forks](https://img.shields.io/github/forks/ram-prasad-sahoo/astrava?style=social) ![GitHub watchers](https://img.shields.io/github/watchers/ram-prasad-sahoo/astrava?style=social)
### 🌟 **如果你发现 Astrava 有用，请考虑给它一个星标！** ⭐ [![Star History Chart](https://api.star-history.com/svg?repos=ram-prasad-sahoo/astrava&type=Date)](https://star-history.com/#ram-prasad-sahoo/astrava&Date) **由 [Ram Prasad Sahoo](https://github.com/ram-prasad-sahoo)** 用 ❤️ 制作 **快乐进行道德黑客测试！🛡️**
标签：A01, A02, A03, A04, A05, A06, A07, A08, A09, A10, AI安全扫描, AI风险缓解, Linux安全工具, LLM评估, macOS安全工具, Ollama, OWASP Top 10, Python安全工具, SOC工具, Web漏洞扫描, Windows安全工具, 专业安全测试, 代码生成, 仪表盘, 多模型支持, 多线程扫描, 安全研究员, 开源安全工具, 快速启动, 无云依赖, 智能缓存, 暗色主题, 本地AI模型, 渗透测试工具, 漏洞发现, 逆向工具, 逆向工程平台, 隐私安全扫描