cognis-digital/breachwatch

``` pip install cognis-breachwatch breachwatch scan . # → prioritized findings in seconds ``` ## 使用说明 — 逐步指南 `breachwatch` 是一个个人数据泄露聚合器，用于分诊并对来自本地源（HIBP / DeHashed / stealer log）的暴露情况进行风险评分。 1. **安装**： pip install -e . 2. 从描述身份和源的 JSON config 进行**分诊**： breachwatch triage config.json 3. 按严重程度**过滤**并读取 JSON 输出： breachwatch triage config.json --min-severity medium --format json 4. **使用退出码** — 当任何暴露达到或超过指定严重程度时，`--fail-on` 会返回退出码 2： breachwatch triage config.json --fail-on high 5. **在 cron/CI 中自动化运行**： breachwatch triage config.json --format json --fail-on high > exposures.json ## 目录 - [为什么选择 breachwatch？](#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 breachwatch？ 个人数据泄露聚合器 — HIBP + DeHashed + stealer-log 分诊 — 无需搭建重量级的基础设施。 `breachwatch` 具有单一用途、可脚本化且支持自托管：将其指向目标，以您的工作流已有的格式（表格 · JSON · SARIF）获取优先处理的结果，以此来控制 CI 的门禁，并让 agent 通过 MCP 驱动它。 ## 功能 - ✅ 脱敏 - ✅ 评估严重程度 - ✅ 解析 Hibp - ✅ 解析 Dehashed - ✅ 解析 Stealer Log - ✅ 分诊 - ✅ 加载源 - ✅ 支持 Linux/macOS/Windows · Docker · devcontainer 上运行 - ✅ 提供 Python, JavaScript, Go 和 Rust 移植版 (`ports/`) ## 快速开始 ``` pip install cognis-breachwatch breachwatch --version breachwatch scan . # scan current project breachwatch scan . --format json # machine-readable breachwatch scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ breachwatch scan . [HIGH ] BRE-001 example finding (./src/app.py) [MEDIUM ] BRE-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[input] --> P[breachwatch
analyze + score] P --> OUT[report] ``` ## 从任何 AI 技术栈中使用 `breachwatch` 与所有流行的 AI 使用方式实现了互操作： - **MCP server** — `breachwatch mcp` (Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **兼容 OpenAI / JSON** — 通过管道将 `breachwatch scan . --format json` 传递给任何 agent 或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** — 一行代码将 CLI/JSON 封装为工具 - **CI / 脚本** — 为非 AI 流水线提供退出码 + SARIF ## 对比 | | **Cognis breachwatch** | 典型工具 | |---|:---:|:---:| | 可自托管，无需账户 | ✅ | 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 agent) | ✅ | ❌ | | 多语言移植版 (JS/Go/Rust) | ✅ | ❌ | | 开放许可 | ✅ COCL | 视情况而定 | ## 集成 接入您的技术栈：用于代码扫描的 **SARIF**，用于任何场景的 **JSON**，用于 AI agent 的 **MCP server** (`breachwatch mcp`)，以及用于 SIEM/Slack/Jira 的 webhook 转发器。参见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 — 全方式，全平台 ``` pip install "git+https://github.com/cognis-digital/breachwatch.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/breachwatch.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/breachwatch.git" # uv pip install cognis-breachwatch # PyPI (when published) docker run --rm ghcr.io/cognis-digital/breachwatch:latest --help # Docker brew install cognis-digital/tap/breachwatch # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/breachwatch/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/breachwatch` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关 Cognis 工具 - [`recall`](https://github.com/cognis-digital/recall) — 隐私优先的个人数据本地 RAG — 加密、附带审计日志 - [`optout`](https://github.com/cognis-digital/optout) — 自动化数据代理商退出引擎 — 支持前 50 家代理商，生成 CCPA/GDPR 信函 - [`vaultmap`](https://github.com/cognis-digital/vaultmap) — 个人资产与账户清单 — 达到遗产规划级别的加密 - [`piicomb`](https://github.com/cognis-digital/piicomb) — 在您自己的文件中发现本地 PII — SSN/CC/护照/驾照/电子邮件/电话/DOB - [`trackblock`](https://github.com/cognis-digital/trackblock) — 家庭手机跟踪软件审计 — MVT 级别的 iOS/Android 取证 - [`privacyshell`](https://github.com/cognis-digital/privacyshell) — 强化浏览器配置文件生成器 — Firefox / LibreWolf / Brave **探索套件 →** [🗂️ 全部 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 `{}` 与包含 300+ 工具的 Cognis 套件协同工作 — JSON 输入/输出，以及共享的 兼容 OpenAI 的 `/v1` 主干。请参阅 **[INTEROP.md](INTEROP.md)** 了解 套件图谱、组合模式和参考技术栈。 ## 许可证 在 **Cognis Open Collaboration License (COCL) v1.0** 下开源 — 可免费用于个人、内部评估、研究和教育用途；**商业 / 生产环境使用需要许可证** (licensing@cognis.digital)。参见 [LICENSE](LICENSE)。

标签：LNA, Python, StruQ, 个人信息安全, 信息泄露检测, 凭据泄露, 可视化界面, 威胁情报, 开发者工具, 数据可视化, 无后门, 日志审计, 请求拦截, 逆向工具