cognis-digital/webrecon

``` pip install cognis-webrecon webrecon scan . # → prioritized findings in seconds ``` ## 使用说明 — 分步指南 1. **安装** CLI（控制台脚本 `webrecon`）： pip install cognis-webrecon 2. **自行捕获 HTTP 响应**（webrecon 绝不接触网络），请使用你自带的授权工具： curl -i https://example.test > response.txt 3. **对捕获的响应进行指纹识别** — 传入一个文件或使用 `-` 代表 stdin： webrecon scan response.txt curl -i https://example.test | webrecon scan - 4. **以 JSON 格式读取结果**，可选择使用目标标签标记报告： webrecon scan response.txt --format json --target https://example.test 5. **在 CI 中实现自动化** — 退出码 0 = 未匹配到任何内容，1 = 有发现（可采取行动），2 = 输入错误： - run: pip install cognis-webrecon - run: curl -i https://example.test | webrecon scan - --format json ## 目录 - [为什么选择 webrecon？](#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 webrecon？ 了解技术栈 `webrecon` 是单一用途、可脚本化且可自托管的：将其指向目标，以你的工作流已经使用的格式（表格 · JSON · SARIF）获取优先级排序的结果，在 CI 中对其进行拦截，并让代理通过 MCP 驱动它。 ## 功能 - ✅ 指纹识别 - ✅ 加载响应 - ✅ 识别响应指纹 - ✅ 结果转为 JSON - ✅ 可在 Linux/macOS/Windows · Docker · devcontainer 上运行 - ✅ 提供 Python、JavaScript、Go 和 Rust 移植版本（`ports/`） ## 快速开始 ``` pip install cognis-webrecon webrecon --version webrecon scan . # scan current project webrecon scan . --format json # machine-readable webrecon scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ webrecon scan . [HIGH ] WEB-001 example finding (./src/app.py) [MEDIUM ] WEB-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[target / export] --> P[webrecon
collect + correlate] P --> OUT[ranked findings] ``` ## 在任何 AI 技术栈中使用 `webrecon` 可以与每一种流行的 AI 使用方式互操作： - **MCP 服务器** — `webrecon mcp`（Claude Desktop、Cursor、Cognis.Studio、[uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)） - **兼容 OpenAI / JSON** — 将 `webrecon scan . --format json` 管道传输给任何代理或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** — 一行代码将 CLI/JSON 封装为工具 - **CI / 脚本** — 退出码 + SARIF 适用于非 AI 流水线 ## 对比 | | **Cognis webrecon** | whatweb | |---|:---:|:---:| | 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 | | 原生支持 MCP（AI 代理） | ✅ | ❌ | | 多语言移植（JS/Go/Rust） | ✅ | ❌ | | 开放许可证 | ✅ COCL | 视情况而定 | *秉承 **whatweb/wappalyzer** 的精神，以 Cognis 的方式重新构建。漏掉了谁的署名？提交一个 PR。* ## 集成 接入你的技术栈：用于代码扫描的 **SARIF**，用于一切的 **JSON**，用于 AI 代理的 **MCP 服务器**（`webrecon mcp`），以及用于 SIEM/Slack/Jira 的 webhook 转发器。请参见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 — 全方式，全平台 ``` pip install "git+https://github.com/cognis-digital/webrecon.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/webrecon.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/webrecon.git" # uv pip install cognis-webrecon # PyPI (when published) docker run --rm ghcr.io/cognis-digital/webrecon:latest --help # Docker brew install cognis-digital/tap/webrecon # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/webrecon/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/webrecon` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关 Cognis 工具 - [`portfan`](https://github.com/cognis-digital/portfan) — 总结 nmap XML 并将其差异化为优先的、可攻击的发现 - [`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 内容发现输出（ffuf/gobuster）分析为排名的 endpoints - [`jwtinspect`](https://github.com/cognis-digital/jwtinspect) — 解码 JWT 并针对 alg=none、弱密钥和缺失的声明进行 lint - [`corsaudit`](https://github.com/cognis-digital/corsaudit) — 从 headers 或配置中检测宽松/错误配置的 CORS - [`headerscan`](https://github.com/cognis-digital/headerscan) — 根据响应转储对 HTTP 安全 headers (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 套件组合使用 — JSON 输入/输出以及共享的兼容 OpenAI 的 `/v1` 主干。请参见 **[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** 下提供源码 — 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)。请参见 [LICENSE](LICENSE)。

标签：Python, 可视化界面, 实时处理, 数据可视化, 无后门, 日志审计, 请求拦截, 逆向工具