zharkaron/cve-2025-zharkaron

# SecurityRAG 一个本地优先的网络安全知识库和检索增强生成 (RAG) 系统，旨在伴随用户共同成长。 本项目的目标不是创建一个自动化的渗透测试工具。相反，它提供了一个可搜索的网络安全知识库，可以辅助学习、实验操作、文档编写、漏洞研究、报告编写以及防御性或授权的安全评估。 ## 功能 - 本地优先运行 - 支持小型 Ollama 模型 (3B+) - 基于 Markdown 的知识存储 - CVE 知识库 - 安全笔记和学习资料 - 实验报告和操作指南 - 命令参考库 - 针对相关上下文的向量搜索 - 检索文档的来源引用 - 基于 Git 的版本控制 - 可扩展的工具框架 ## 项目目标 本项目应当： - 帮助学习网络安全概念 - 存储笔记和经验教训 - 整理 CVE 和安全公告 - 记录实验环境 - 提高研究速度 - 根据存储的信息生成报告 - 充当个性化的网络安全导师 本项目**不应当**： - 自动攻击系统 - 未经批准执行攻击性操作 - 规避授权要求 - 取代人类判断 ## 架构 ``` ┌───────────────────────┐ │ User │ └───────────┬───────────┘ │ ▼ ┌───────────────────────┐ │ SecurityRAG │ └───────────┬───────────┘ │ ┌───────┴────────┐ ▼ ▼ Vector Search Ollama Model │ │ ▼ ▼ Knowledge Base Response │ ▼ Markdown Files CVEs Lab Reports Notes Cheat Sheets ``` ## 推荐目录结构 ``` SecurityRAG/ ├── README.md ├── config/ │ └── settings.json ├── data/ │ ├── cves/ │ │ ├── 2025/ │ │ ├── 2026/ │ │ └── templates/ │ ├── labs/ │ ├── notes/ │ ├── reports/ │ ├── tools/ │ ├── certifications/ │ └── cheat-sheets/ ├── embeddings/ ├── vectorstore/ ├── scripts/ │ ├── ingest.py │ ├── index.py │ ├── search.py │ └── update.py ├── web/ ├── logs/ └── tests/ ``` ## 知识分类 ### CVE 存储漏洞信息。 示例： ``` data/cves/2026/CVE-2026-0001.md ``` 模板： ``` # CVE-2026-0001 ## 摘要 Brief description. ## 严重性 Critical ## 受影响的软件 - Product Name - Version ## 检测 How to identify vulnerable systems. ## 缓解 How to patch or reduce risk. ## 参考 Official references. ## 个人笔记 Lessons learned. ``` ### 实验 存储实验报告。 示例： ``` data/labs/juice-shop-auth-bypass.md ``` 模板： ``` # Juice Shop Authentication Lab ## 目标 Goal of the exercise. ## 环境 Docker WSL Kali ## 步骤 1. Enumeration 2. Discovery 3. Validation ## 经验教训 Key takeaways. ``` ### 笔记 存储学习资料。 示例： ``` data/notes/networking/tcp-handshake.md ``` 模板： ``` # TCP 三次握手 ## 摘要 Concept overview. ## 关键点 - SYN - SYN ACK - ACK ## 命令 Useful commands. ## 相关主题 Links to other notes. ``` ### 工具文档 存储命令参考。 示例： ``` data/tools/nmap/basic-scans.md ``` 模板： ``` # Nmap 基础扫描 ## 服务检测 nmap -sV target ## OS 检测 nmap -O target ## 笔记 When and why to use each scan. ``` ## 元数据 每个文档都应包含元数据。 示例： ``` --- title: TCP Handshake category: networking tags: - tcp - networking - fundamentals difficulty: beginner last_updated: 2026-06-14 --- ``` 元数据可提高检索质量。 ## 推荐模型 小型系统： ``` qwen3:4b phi3:mini ``` 中型系统： ``` qwen3-coder deepseek-coder ``` 大型系统： ``` qwen3:27b ``` 通常，知识库比模型大小更为重要。 ## 工作流 ### 学习新知识 ``` Read ↓ Take Notes ↓ Save Markdown ↓ Commit to Git ↓ Reindex Documents ``` ### 提问 ``` User Question ↓ Retrieve Documents ↓ Build Context ↓ Generate Response ↓ Show Sources ``` ## 示例问题 ``` Explain CVE-2026-0001 What notes do I have about Kerberos? How did I solve the Juice Shop challenge? What are common causes of XSS? Summarize my Active Directory notes. ``` ## 未来扩展 ### 知识图谱 链接相关概念。 ``` Kerberos │ ├── Active Directory ├── LDAP ├── Authentication └── Tickets ``` ### 报告生成 生成： - 评估报告 - 实验报告 - 学习摘要 - 学习进度报告 ### 个人学习分析 跟踪： - 已学习的主题 - 已完成的实验 - 认证 - 已掌握的技能 ## 安全原则 - 本地优先 - 人在回路 (Human-in-the-loop) - 来源署名 - 版本控制 - 可复现的笔记 - 真实世界测试需要授权 ## 长期愿景 随着时间的推移，SecurityRAG 将成为一个包含以下内容的个人网络安全知识系统： - 笔记 - CVE - 实验 - 报告 - 命令 - 研究 - 文档 存储和维护的信息越多，助手就会变得越有用。

标签：AI风险缓解, DLL 劫持, Docker, LLM评估, Ollama, Ruby, 大语言模型, 安全防御评估, 情报收集, 检索增强生成 (RAG, 漏洞研究, 知识库, 网络安全, 网络安全研究, 请求拦截, 逆向工具, 防御加固, 隐私保护