kevin-mathew-cyber/websecure-ai

# 🤖 WebSecure AI：基于 AI 的 Web 漏洞扫描器与 DAST 平台 一个端到端、轻量级、异步的动态应用安全测试 (DAST) 平台，将原生 Python 网络扫描器与大型语言模型 (LLM) 相结合，以提供自动化且具备上下文感知的修复智能。 ## 🌟 核心性能指标 (硕士论文数据) * **高精度：** 在测试环境中实现了 **88% 的基准检测率**，误报率**低于 12%**。 * **快速执行：** 在目标 endpoint 完成全动态扫描执行耗时**不到 18 秒**。 * **运营效率：** 在活跃开发模拟期间，将人工漏洞甄别周期减少了 **40% 到 50%**。 ## 🏗️ 核心架构与技术栈 ### 🔵 后端工程 (Python & FastAPI) * **异步框架：** 基于 **FastAPI** 和 **Uvicorn** 构建，实现高并发请求处理。 * **纯 Python 扫描核心：** 通过 `requests` 引擎，自定义构建了针对安全标头缺失、反射型跨站脚本攻击 (XSS) 以及 SQL 注入向量的检测逻辑。 * **密码学分析：** 由 **SSLyze** 提供支持的底层 SSL/TLS 结构映射（检测诸如 TLS 1.0/1.1 等弱协议）。 * **文档合成：** 原生通过 **ReportLab** 编译自动化、像素级完美的行政合规报告。 ### 🟢 人工智能核心 (OpenAI SDK) * 实现 **OpenAI Chat Completions API (`gpt-3.5-turbo`)** 以提取原始系统 JSON blob，将发现的结果自动映射到官方的 **OWASP Top 10 框架**，并生成可直接实施的开发者代码补丁。 ### 🟡 前端界面 (React & Tailwind CSS) * 一个实用优先的单页应用 (SPA)，提供交互式目标输入、实时验证网关、动态加载状态机以及直接的浏览器内 PDF 报告查看实用程序。 ## 📁 包含的学术源文档 提交给 **De Montfort University** 的完整研究语料库已打包在此仓库中供参考： * 📄 **`Dissertation Websecure AI.pdf`** - 完整的书面硕士论文。 * 📋 **`Proposal.docx`** - 初始研究目标和范围界定方法。 * ⏱️ **`Meeting_Overview_.pdf`** - 学术导师的进度记录文件。 ## 🚀 快速开始部署 1. 导航至核心应用程序文件夹： cd Kevin_Mathew/Software/ai_vuln_scanner_debug 2. 将你的 OpenAI API 凭据添加到本地 `.env` 配置文件中： echo "OPENAI_API_KEY=your_key_here" > backend/.env 3. 通过 Docker Compose 启动容器化基础设施： docker compose up --build 4. 打开浏览器并导航至 `http://localhost:3000` 以与系统界面进行交互。

标签：AI辅助修复, AV绕过, CISA项目, FastAPI, OpenAI, Petitpotam, Web漏洞扫描, 内存规避, 动态应用安全测试, 网络安全, 请求拦截, 逆向工具, 隐私保护