cognis-digital/ipasnitch

``` pip install cognis-ipasnitch ipasnitch scan . # → prioritized findings in seconds ``` ## 使用说明 — 分步指南 1. **安装：** pip install ipasnitch 2. **扫描 Info.plist** — 静态扫描 ATS 例外、薄弱的传输配置以及内嵌的密钥： ipasnitch scan Info.plist 扫描结果按严重程度（critical / high / medium / low / info）进行分组，并为每项提供修复建议。 3. **一次性扫描多个 plist 文件：** ipasnitch scan App/Info.plist Extension/Info.plist 4. **读取输出** — 输出 JSON 格式以便通过管道处理，然后进行过滤： ipasnitch scan Info.plist --format json | jq '.results[].findings' 5. **CI 拦截** — 仅在达到或超过所选严重程度时使构建失败（退出码 0 表示正常，1 表示触发拦截，2 表示读取/解析错误）： ipasnitch scan Info.plist --fail-on medium ## 目录 - [为什么选择 ipasnitch？](#why) · [功能](#features) · [快速开始](#quick-start) · [示例](#example) · [架构](#architecture) · [AI 技术栈](#ai-stack) · [横向对比](#how-it-compares) · [集成](#integrations) · [任意平台安装](#install-anywhere) · [相关项目](#related) · [贡献指南](#contributing) ## 为什么选择 ipasnitch？ 几乎不存在优秀的独立 CLI 工具可以在 Linux CI 运行器上对 .ipa 进行静态审查；ipasnitch 无需 Mac 即可解析 Mach-O + plist，使得在任何 pipeline 中实现对 iOS 应用安全（appsec）的拦截成为可能。 `ipasnitch` 专一、可脚本化且支持自托管：将其指向目标，以你的工作流已支持的格式（表格 · JSON · SARIF）获取优先级排序的结果，据此对 CI 进行拦截，并允许 agent 通过 MCP 驱动它。 ## 功能 - ✅ 解析 Plist - ✅ 扫描 Plist - ✅ 扫描文件 - ✅ 可在 Linux/macOS/Windows · Docker · devcontainer 上运行 - ✅ 提供 Python、JavaScript、Go 和 Rust 版本（`ports/`） ## 快速开始 ``` pip install cognis-ipasnitch ipasnitch --version ipasnitch scan . # scan current project ipasnitch scan . --format json # machine-readable ipasnitch scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ ipasnitch scan . [HIGH ] IPA-001 example finding (./src/app.py) [MEDIUM ] IPA-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[target / export] --> P[ipasnitch
collect + correlate] P --> OUT[ranked findings] ``` ## 从任何 AI 技术栈中使用 `ipasnitch` 与所有主流的 AI 使用方式兼容： - **MCP 服务器** — `ipasnitch mcp`（Claude Desktop、Cursor、Cognis.Studio、[uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)） - **兼容 OpenAI / JSON** — 将 `ipasnitch scan . --format json` 通过管道传递给任何 agent 或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** — 用一行代码将 CLI/JSON 封装为工具 - **CI / 脚本** — 退出码 + SARIF 适用于非 AI pipeline ## 横向对比 | | **Cognis ipasnitch** | objection | |---|:---:|:---:| | 支持自托管，无需账号 | ✅ | 视情况而定 | | 单一命令，零配置 | ✅ | ⚠️ | | 支持 CI 的 JSON + SARIF | ✅ | 视情况而定 | | MCP 原生支持（AI agent） | ✅ | ❌ | | 多语言端口（JS/Go/Rust） | ✅ | ❌ | | 开源许可 | ✅ COCL | 视情况而定 | *秉承 **objection / iMAS 的精神，但也像 MobSF 的 iOS 扫描路径一样作为非越狱的静态分析器**，并以 Cognis 的方式重新构建。如果遗漏了某项来源说明？欢迎提交 PR。* ## 集成 可接入你的技术栈：用于代码扫描的 **SARIF**，用于任何场景的 **JSON**，用于 AI agent 的 **MCP 服务器**（`ipasnitch mcp`），以及用于 SIEM/Slack/Jira 的 webhook 转发器。详见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 — 各种方式，全平台支持 ``` pip install "git+https://github.com/cognis-digital/ipasnitch.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/ipasnitch.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/ipasnitch.git" # uv pip install cognis-ipasnitch # PyPI (when published) docker run --rm ghcr.io/cognis-digital/ipasnitch:latest --help # Docker brew install cognis-digital/tap/ipasnitch # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/ipasnitch/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/ipasnitch` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关的 Cognis 工具 - [`apkpeek`](https://github.com/cognis-digital/apkpeek) — 一键静态分析 Android APK/AAB 二进制文件：提取硬编码的密钥、导出的组件、危险的权限以及不安全的 manifest 标志，并汇总为单一的 SARIF 报告。 - [`hookcraft`](https://github.com/cognis-digital/hookcraft) — 根据 YAML 意图（例如“绕过 SSL pinning”、“导出 crypto keys”）生成可直接运行的 Frida 插桩脚本，并验证它们是否能附加到目标进程。 - [`hookcraft`](https://github.com/cognis-digital/dastlite) — 一个无头（headless）、配置即代码的 DAST 运行器，可爬取经过身份验证的 Web/移动 API 接口，并运行精选的主动扫描规则集，最终输出去重后的 SARIF。 - [`semsift`](https://github.com/cognis-digital/semsift) — 轻量级的语义感知 SAST 工具，仅对 diff 运行精选的污点分析规则，让 PR 获得快速的增量 SAST 扫描，避免全仓库扫描的疲劳。 - [`cheatsense`](https://github.com/cognis-digital/cheatsense) — 反作弊遥测分析器，可摄入游戏会话日志，并标记出在统计上异常的输入/瞄准/移动特征，且提供可解释的逐项评分。 - [`binhunt`](https://github.com/cognis-digital/binhunt) — 游戏/桌面二进制完整性扫描器，可对可执行文件进行指纹识别，检测常见的 packer/混淆器，并与已知的良好基线进行差异对比，以捕获篡改行为。 **探索完整工具套件 →** [🗂️ 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 套件无缝组合 — 支持 JSON 输入/输出以及共享的 兼容 OpenAI 的 `/v1` 核心主干。有关套件映射、组合模式以及参考技术栈， 请参阅 **[INTEROP.md](INTEROP.md)**。 ## 许可证 源码可见，基于 **Cognis Open Collaboration License (COCL) v1.0** 授权 — 可免费用于个人用途、内部评估、研究和教育用途；**商业 / 生产环境使用需要获取许可** (licensing@cognis.digital)。详见 [LICENSE](LICENSE)。

标签：Info.plist, iOS, SAST, StruQ, 可视化界面, 数据可视化, 日志审计, 目录枚举, 盲注攻击, 移动安全, 请求拦截, 逆向工具, 静态代码扫描