cognis-digital/hashid

``` pip install cognis-hashid hashid scan . # → prioritized findings in seconds ``` ## 用法 —— 分步说明 1. **安装**识别器： pip install cognis-hashid 2. **识别**一个或多个 hash 字符串（仅分类）： hashid identify 5f4dcc3b5aa765d61d8327deb882cf99 3. 使用您控制的假设参数（`--charset`, `--length`）**评估破解可行性**，或使用 `-f` 从文件中读取多个 hash： hashid estimate -f hashes.txt --charset 95 --length 8 --format json 4. **阅读结果。** 每个输入都会打印出最佳猜测（名称 + hashcat 模式 + 置信度）、备选项，以及针对 `estimate` 的可行性说明。当识别出类型时退出码为 `1`，未知时为 `0`，使用错误时为 `2`。程序不会执行任何破解操作。 5. **自动化。** 提取识别出的类型用于分流脚本： hashid identify --format json "$H" | jq -r '.[0].analysis.best_guess.name' ## 目录 - [为什么选择 hashid？](#why) · [功能](#features) · [快速开始](#quick-start) · [示例](#example) · [架构](#architecture) · [AI 技术栈](#ai-stack) · [对比分析](#how-it-compares) · [集成](#integrations) · [随处安装](#install-anywhere) · [相关工具](#related) · [贡献](#contributing) ## 为什么选择 hashid？ 了解您的 hash `hashid` 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（table · JSON · SARIF）获取优先级排序的结果，通过它来控制 CI 门禁，并允许 agent 通过 MCP 驱动它。 ## 功能 - ✅ 识别 - ✅ 评估破解 - ✅ 分析 - ✅ 支持 Linux/macOS/Windows · Docker · devcontainer 运行 - ✅ 提供 Python、JavaScript、Go 和 Rust 的端口版本 (`ports/`) ## 快速开始 ``` pip install cognis-hashid hashid --version hashid scan . # scan current project hashid scan . --format json # machine-readable hashid scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ hashid scan . [HIGH ] HAS-001 example finding (./src/app.py) [MEDIUM ] HAS-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[input] --> P[hashid
analyze + score] P --> OUT[report] ``` ## 从任何 AI 技术栈中使用 `hashid` 可以与所有流行的 AI 使用方式互操作： - **MCP server** — `hashid mcp` (Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **兼容 OpenAI / JSON** — 通过管道将 `hashid scan . --format json` 传给任何 agent 或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** — 用一行代码将 CLI/JSON 包装成工具 - **CI / 脚本** — 为非 AI 流水线提供退出码 + SARIF ## 对比分析 | | **Cognis hashid** | hashid | |---|:---:|:---:| | 可自托管，无需账号 | ✅ | 视情况而定 | | 单一命令，零配置 | ✅ | ⚠️ | | 为 CI 提供 JSON + SARIF | ✅ | 视情况而定 | | MCP 原生支持 (AI agents) | ✅ | ❌ | | 多语言端口 (JS/Go/Rust) | ✅ | ❌ | | 开源许可证 | ✅ COCL | 视情况而定 | *本着 **hashid/hashcat** 的精神打造，以 Cognis 的方式重新构建。遗漏了致谢？欢迎提交 PR。* ## 集成 可接入您的技术栈：用于代码扫描的 **SARIF**，用于任何场景的 **JSON**，用于 AI agent 的 **MCP server** (`hashid mcp`)，以及用于 SIEM/Slack/Jira 的 webhook 转发器。详见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 —— 覆盖所有方式与平台 ``` pip install "git+https://github.com/cognis-digital/hashid.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/hashid.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/hashid.git" # uv pip install cognis-hashid # PyPI (when published) docker run --rm ghcr.io/cognis-digital/hashid:latest --help # Docker brew install cognis-digital/tap/hashid # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/hashid/main/install.sh | sh ``` | Linux | macOS | Windows | Docker | Cloud | |---|---|---|---|---| | `scripts/setup-linux.sh` | `scripts/setup-macos.sh` | `scripts/setup-windows.ps1` | `docker run ghcr.io/cognis-digital/hashid` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关 Cognis 工具 - [`portfan`](https://github.com/cognis-digital/portfan) — 将 nmap XML 汇总并比对为具有优先级的可攻击发现 - [`subhunt`](https://github.com/cognis-digital/subhunt) — 从多个来源聚合并去重子域名枚举 - [`dirsight`](https://github.com/cognis-digital/dirsight) — 将 Web 内容发现工具（ffuf/gobuster）的输出分析为按优先级排序的 endpoint - [`jwtinspect`](https://github.com/cognis-digital/jwtinspect) — 解码 JWT 并检查 alg=none、弱 secret 以及缺失的 claim - [`corsaudit`](https://github.com/cognis-digital/corsaudit) — 从 header 或配置中检测过于宽松或配置错误的 CORS - [`headerscan`](https://github.com/cognis-digital/headerscan) — 根据响应转储对 HTTP 安全 header (CSP/HSTS/XFO) 进行 A-F 评级 **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 300+ 工具的 Cognis 套件无缝组合 —— JSON 输入/输出以及共享的 兼容 OpenAI 的 `/v1` 主干。请参阅 **[INTEROP.md](INTEROP.md)** 获取 套件映射图、组合模式以及参考技术栈。 ## 许可证 源代码可见，基于 **Cognis Open Collaboration License (COCL) v1.0** —— 可免费用于个人、内部评估、研究和教育用途；**商业/生产用途需要许可证** (licensing@cognis.digital)。详见 [LICENSE](LICENSE)。

标签：可视化界面, 密码哈希识别, 密码学, 手动系统调用, 数据可视化, 日志审计, 请求拦截, 逆向工具