cognis-digital/entropyscan

``` pip install cognis-entropyscan entropyscan scan . # → prioritized findings in seconds ``` ## 使用说明 — 逐步指南 1. **安装** CLI： pipx install "git+https://github.com/cognis-digital/entropyscan.git" 2. **扫描**文件以查找高熵区域（加壳/加密/内嵌密钥的指标）— 主要命令： entropyscan scan suspicious.bin 3. **调整灵敏度** — 调整分析窗口和被视为发现结果的严重级别： entropyscan scan suspicious.bin --block-size 4096 --min-severity medium 4. **查看输出** — 当发现被标记的区域时，`entropyscan` 会退出并返回状态码 `1`（否则为 `0`）。输出 JSON 或生成可分享的 HTML 报告： entropyscan scan suspicious.bin --format json -o report.json entropyscan scan suspicious.bin --format html -o report.html 5. **在 CI 中自动化** — 根据高熵内容拦截构建产物： entropyscan scan build/artifact.bin --min-severity high # exit 1 => 检测到高 entropy 区域 => 任务失败 ## 目录 - [为什么选择 entropyscan？](#why) · [功能](#features) · [快速开始](#quick-start) · [示例](#example) · [架构](#architecture) · [AI stack](#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 entropyscan？ 无需搭建重量级的基础设施，即可标记文件中的加壳/加密/高熵区域。 `entropyscan` 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）获取优先级排序的结果，以此控制 CI 流程，并让 agent 通过 MCP 驱动它。 ## 功能 - ✅ Shannon 熵 - ✅ 分类 - ✅ 扫描字节 - ✅ 扫描文件 - ✅ 运行于 Linux/macOS/Windows · Docker · devcontainer - ✅ 支持 Python、JavaScript、Go 和 Rust 移植版 (`ports/`) ## 快速开始 ``` pip install cognis-entropyscan entropyscan --version entropyscan scan . # scan current project entropyscan scan . --format json # machine-readable entropyscan scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ entropyscan scan . [HIGH ] ENT-001 example finding (./src/app.py) [MEDIUM ] ENT-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[target / manifest] --> P[entropyscan
checks + rules] P --> OUT[findings (JSON / SARIF)] ``` ## 在任何 AI stack 中使用 `entropyscan` 可以与所有流行的 AI 使用方式互操作： - **MCP server** — `entropyscan mcp` (Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **兼容 OpenAI / JSON** — 通过管道将 `entropyscan 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 pipeline 提供 exit code + SARIF ## 对比 | | **Cognis entropyscan** | 典型工具 | |---|:---:|:---:| | 可自托管，无需账户 | ✅ | 视情况而定 | | 单条命令，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) | ✅ | ❌ | | 开放许可证 | ✅ COCL | 视情况而定 | ## 集成 接入您的技术栈：用于代码扫描的 **SARIF**，用于一切的 **JSON**，用于 AI agent 的 **MCP server** (`entropyscan mcp`)，以及用于 SIEM/Slack/Jira 的 webhook 转发器。请参阅 [`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/entropyscan.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/entropyscan.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/entropyscan.git" # uv pip install cognis-entropyscan # PyPI (when published) docker run --rm ghcr.io/cognis-digital/entropyscan:latest --help # Docker brew install cognis-digital/tap/entropyscan # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/entropyscan/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/entropyscan` | [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 suite 组合使用 — 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** 下源代码可见 — 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：DAST, DNS 反向解析, Python, SecOps, StruQ, 云安全架构, 可视化界面, 恶意软件分析, 数据可视化, 无后门, 日志审计, 机密检测, 熵分析, 网页爬虫, 请求拦截, 逆向工具