cognis-digital/browserforensics

``` pip install cognis-browserforensics browserforensics scan . # → prioritized findings in seconds ``` ## 用法 — 分步指南 `browserforensics` 可对导出的浏览器历史记录和下载内容执行防御性的 IOC / 数据窃取分类分析。 1. **安装**： pip install -e . 2. **扫描** 导出的历史记录和/或下载内容（CSV 或 JSON）： browserforensics scan --history history.csv --downloads downloads.csv 3. **编写 HTML 报告** 到文件： browserforensics scan --history history.json --format html -o triage.html 4. **读取输出** 作为 JSON 以供 SIEM/pipeline 使用： browserforensics scan --history history.csv --format json -o iocs.json 5. **在 CI/IR runbook 中实现自动化** — `--fail-on` 可设定触发非零退出的严重等级： browserforensics scan --history history.csv --downloads downloads.csv --fail-on high ## 目录 - [为什么选择 browserforensics？](#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 browserforensics？ 分析导出的浏览器历史记录/下载内容，寻找 IOC 和数据窃取的迹象 — 无需搭建重量级的基础设施。 `browserforensics` 具有单一用途、可脚本化且支持自托管：将其指向目标，以您的工作流已支持的语言（表格 · JSON · SARIF）获取优先排序的结果，通过它在 CI 中设置门禁，并让 agent 通过 MCP 驱动它。 ## 功能 - ✅ 加载记录 - ✅ 分析历史记录 - ✅ 分析下载内容 - ✅ 分析 - ✅ 汇总 - ✅ 支持 Linux/macOS/Windows · Docker · devcontainer 运行 - ✅ 提供 Python, JavaScript, Go 和 Rust 的移植版 (`ports/`) ## 快速开始 ``` pip install cognis-browserforensics browserforensics --version browserforensics scan . # scan current project browserforensics scan . --format json # machine-readable browserforensics scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ browserforensics scan . [HIGH ] BRO-001 example finding (./src/app.py) [MEDIUM ] BRO-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[disk / memory artifact] --> P[browserforensics
parse] P --> OUT[timeline + IOCs] ``` ## 从任何 AI 技术栈中使用 `browserforensics` 与所有主流的 AI 使用方式实现了互操作： - **MCP server** — `browserforensics mcp` (Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **兼容 OpenAI / JSON** — 将 `browserforensics scan . --format json` 的结果通过管道传递给任何 agent 或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** — 一行代码即可将 CLI/JSON 封装为工具 - **CI / 脚本** — 为非 AI 的 pipeline 提供 exit code 和 SARIF 支持 ## 对比分析 | | **Cognis browserforensics** | 典型工具 | |---|:---:|:---:| | 可自托管，无需账号 | ✅ | 视情况而定 | | 单条命令，零配置 | ✅ | ⚠️ | | 为 CI 提供 JSON + SARIF | ✅ | 视情况而定 | | 原生支持 MCP（AI agent） | ✅ | ❌ | | 多语言移植版 (JS/Go/Rust) | ✅ | ❌ | | 开放许可证 | ✅ COCL | 视情况而定 | ## 集成 可融入您的技术栈：用于代码扫描的 **SARIF**，用于处理一切的 **JSON**，用于 AI agent 的 **MCP server** (`browserforensics 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，各个平台 ``` pip install "git+https://github.com/cognis-digital/browserforensics.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/browserforensics.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/browserforensics.git" # uv pip install cognis-browserforensics # PyPI (when published) docker run --rm ghcr.io/cognis-digital/browserforensics:latest --help # Docker brew install cognis-digital/tap/browserforensics # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/browserforensics/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/browserforensics` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关 Cognis 工具 **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 套件相组合 — JSON 输入/输出以及共享的 兼容 OpenAI 的 `/v1` 骨干网络。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 源码可见，基于 **Cognis Open Collaboration License (COCL) v1.0** 授权 — 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)。请参阅 [LICENSE](LICENSE)。

标签：Python, 可视化界面, 威胁情报, 安全运营, 开发者工具, 扫描框架, 数字取证, 数据可视化, 数据泄露分析, 无后门, 日志审计, 自动化脚本, 请求拦截, 逆向工具