cognis-digital/crackq

``` pip install cognis-crackq crackq scan . # → prioritized findings in seconds ``` ## 用法 — 分步指南 1. 安装 CLI（Python 3.9+）： pip install crackq # 或者：从检出的代码中运行 pip install . 2. 首先列出支持的算法： crackq algos 3. 一次性提交哈希并清空队列 — `run` 子命令负责针对字典集进行提交 + 运行 + 报告： crackq run --hash 5f4dcc3b5aa765d61d8327deb882cf99 --algorithm md5 --wordlist rockyou.txt --owner blue-team 你可以重复使用 `--hash`，提供 `--hashfile`，传入内联的 `--words`，或者使用 `--no-rules` 来禁用规则变换。 4. 读取结果 — `--format json` 会提供每个作业的状态；如果任何作业失败（算法错误/报错），退出代码为 `1`，否则为 `0`。验证防篡改审计日志： crackq run --hashfile hashes.txt --wordlist rockyou.txt --format json | jq '.[] | {hash, state, plaintext}' crackq audit --verify 5. 在授权的凭据审计流水线中使用它 — 每个操作都会被追加到审计日志中（默认位于临时目录中；可使用 `--audit-log` 覆盖）： crackq --audit-log audit.jsonl run --hashfile hashes.txt --wordlist words.txt --owner soc ## 目录 - [为什么选择 crackq？](#why) · [功能](#features) · [快速开始](#quick-start) · [示例](#example) · [架构](#architecture) · [AI 技术栈](#ai-stack) · [对比](#how-it-compares) · [集成](#integrations) · [随处安装](#install-anywhere) · [相关项目](#related) · [贡献](#contributing) ## 为什么选择 crackq？ 自托管密码破解队列 — 带有审计日志的多用户 hashcat — 无需搭建繁重的基础设施。 `crackq` 是单一用途、可脚本化且可自托管的：将其指向目标，以你的工作流已使用的格式（表格 · JSON · SARIF）获取优先级排序的结果，以此为门槛控制 CI，并让 agent 通过 MCP 驱动它。 ## 功能 - ✅ 支持的算法 - ✅ 检测算法 - ✅ 破解 Hash - ✅ 运行于 Linux/macOS/Windows · Docker · devcontainer - ✅ 提供 Python, JavaScript, Go 和 Rust 移植版（`ports/`） ## 快速开始 ``` pip install cognis-crackq crackq --version crackq scan . # scan current project crackq scan . --format json # machine-readable crackq scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ crackq scan . [HIGH ] CRA-001 example finding (./src/app.py) [MEDIUM ] CRA-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[target / manifest] --> P[crackq
checks + rules] P --> OUT[findings (JSON / SARIF)] ``` ## 从任何 AI 技术栈中使用 `crackq` 可以与每种流行的 AI 使用方式互操作： - **MCP server** — `crackq mcp`（Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **OpenAI 兼容 / JSON** — 将 `crackq scan . --format json` 管道传输给任何 agent 或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** — 用一行代码将 CLI/JSON 封装为工具 - **CI / 脚本** — 为非 AI 流水线提供退出代码 + SARIF ## 对比 | | **Cognis crackq** | 典型工具 | |---|:---:|:---:| | 可自托管，无需账号 | ✅ | 视情况而定 | | 单一命令，零配置 | ✅ | ⚠️ | | 用于 CI 的 JSON + SARIF | ✅ | 视情况而定 | | MCP 原生支持 (AI agents) | ✅ | ❌ | | 多语言移植版 (JS/Go/Rust) | ✅ | ❌ | | 开源许可 | ✅ COCL | 视情况而定 | ## 集成 无缝接入你的技术栈：用于代码扫描的 **SARIF**，用于任何场景的 **JSON**，用于 AI agent 的 **MCP server**（`crackq mcp`），以及用于 SIEM/Slack/Jira 的 webhook 转发器。详见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 — 所有方式，所有平台 ``` pip install "git+https://github.com/cognis-digital/crackq.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/crackq.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/crackq.git" # uv pip install cognis-crackq # PyPI (when published) docker run --rm ghcr.io/cognis-digital/crackq:latest --help # Docker brew install cognis-digital/tap/crackq # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/crackq/main/install.sh | sh ``` | Linux | macOS | Windows | Docker | 云平台 | |---|---|---|---|---| | `scripts/setup-linux.sh` | `scripts/setup-macos.sh` | `scripts/setup-windows.ps1` | `docker run ghcr.io/cognis-digital/crackq` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关 Cognis 工具 - [`c2detect`](https://github.com/cognis-digital/c2detect) — C2 服务器指纹识别器 — Cobalt Strike, Sliver, Mythic, Havoc, Brute Ratel - [`payloadlab`](https://github.com/cognis-digital/payloadlab) — 静态恶意负载分析器 — PE/ELF/LNK/macro/OneNote - [`redpath`](https://github.com/cognis-digital/redpath) — 活动目录攻击路径映射器 — 最小成本路径 + 修复优先级 - [`pwnreview`](https://github.com/cognis-digital/pwnreview) — 渗透测试报告生成器 — YAML 发现结果转为 CREST 级别 PDF **探索套件 →** [🗂️ 所有 170+ 工具](https://github.com/cognis-digital/cognis-neural-suite) · [⭐ awesome-cognis](https://github.com/cognis-digital/awesome-cognis) · [🔗 cognis-sources](https://github.com/cognis-digital/cognis-sources) · [🤖 uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet) · [🧠 engram](https://github.com/cognis-digital/engram) ## 互操作性 `{}` 与 300+ 工具的 Cognis 套件组合使用 — JSON 输入/输出以及共享的 OpenAI 兼容的 `/v1` 主干。有关套件映射、组合模式和参考技术栈，请参阅 **[INTEROP.md](INTEROP.md)**。 ## 许可证 源码可见，基于 **Cognis Open Collaboration License (COCL) v1.0** — 个人、内部评估、研究和教育用途免费；**商业 / 生产用途需要许可证** (licensing@cognis.digital)。详见 [LICENSE](LICENSE)。

标签：Bitdefender, DOS头擦除, Hashcat, Python, 云安全, 任务队列, 可视化界面, 密码破解, 数据可视化, 无后门, 日志审计, 请求拦截, 逆向工具