Control-Drift/Control-Drift
GitHub: Control-Drift/Control-Drift
一款轻量级、本地优先的开源紫队平台,帮助安全团队通过威胁模拟发现安全控制漂移并跟踪防御差距。
Stars: 0 | Forks: 0
Control Drift
A modern, practitioner-first platform to pressure-test security controls, expose silent failures, and measure true defensive readiness against real-world threats.
问题 • 为什么选择 Control Drift? • 功能 • 快速开始 • 文档
## 问题:安全控制漂移 “控制漂移”(Control Drift)是指安全控制有效性的*预期*与其实际表现的*现实*不符的情况。这种情况通常发生在既定的控制措施(例如 EDR/AV 策略、防火墙规则或 endpoint 配置)由于环境变化、配置错误或软件更新,随着时间推移而发生隐性退化或失效时。除了检测这种退化之外,主动识别控制漂移还能让安全团队暴露固有的架构缺陷,并准确指出当前控制措施在哪些方面未能达到防御预期。 传统的入侵与攻击模拟(BAS)工具和紫队平台往往受制于庞大的基础设施要求、笨重的用户界面以及臃肿的功能集,这使得发现和跟踪这些差距成为一项繁琐的任务,而非一种引人入胜的体验。 Control Drift 作为一个轻量级的开源替代方案应运而生。它消除了重型基础设施带来的阻力,为安全团队提供了一个易于访问且直观的可视化环境,以便亲自动手进行威胁模拟并跟踪防御漏洞。 ## 为什么选择 Control Drift? 虽然市面上已经存在其他的紫队框架和防御态势管理工具,但 Control Drift 的诞生是为了解决传统平台和 SaaS 平台固有的痛点: ### 1. 零基础设施启动 与那些仅仅为了启动就需要多容器 Docker stack、数据库和 message broker 的沉重传统平台不同,**Control Drift 可以完全在你的浏览器中运行。** 通过利用 IndexedDB 实现本地优先的体验,你只需 clone 代码仓库,运行 `npm run dev`,即可立即开始记录安全漏洞。通过接入 Supabase 或 REST API 后端即可部署企业级配置,且无需修改任何代码。 ### 2. 下一代 UX/UI 安全分析师理应使用体验与性能同样出色的工具。Control Drift 摆脱了令人疲惫的传统企业级数据表格时代。它采用了高级的暗黑模式玻璃拟态界面、动态微动画以及直观的工作流,旨在消除阻力,为差距分析提供全面增强的沉浸式体验。 ### 3. AI 增强的工作流 Control Drift 包含即插即用的 AI 驱动功能,例如具有上下文感知能力的 chatbot、TTP 自动映射、模拟策略生成、高管报告生成以及 payload / 检测规则生成。只需在应用设置中或通过外部代理配置 AI 集成即可。 ### 4. 事件驱动的安全态势建模 许多平台将技术执行与原始结果视为僵化的 1:1 关系。Control Drift 采用了一个灵活的**事件系统**。在模拟中发生的活动被视为一个事件,该事件可以同时关联到一个或多个 MITRE TTP。通过跟踪不同的过程变体以及它们如何影响更广泛的事件结果,Control Drift 能够为你真实的防御态势描绘出一幅极其精准的画面。 ### 5. 分析师赋能胜过自动化 尽管许多商业解决方案试图以“黑盒”方式完全自动化测试生命周期,但 Control Drift 旨在为人类分析师赋能。它为防御者配备了精细化的控制能力,以便在其独特的环境中手动测试程序,从而培养对现实世界攻击机制的深刻理解,而不是依赖于不透明的、全自动的模拟结果。 ## 功能 - **安全运营仪表板**:跟踪实时且有意义的指标,包括你的全局准备就绪评分、顶级安全控制和修复燃尽图。
- **MITRE ATT&CK 热力图**:完全交互式的 3D 地球仪,可在 MITRE ATT&CK 框架中直观地展示你的安全态势,并根据模拟结果进行动态更新。
- **模拟管理**:使用直观的 4 步模拟启动器,以高度精简的方式规划、执行和记录威胁模拟。
- **端到端差距跟踪与修复**:使用内置的差距跟踪器,在整个环境中跟踪差距修复并进行优先级排序。已解决的差距会立即更新你的全局就绪指标。
- **攻击路径映射**:可视化环境中的攻击路径。利用你的 AI 集成,根据当前活动的安全差距自动映射可行的攻击路径。
- **集成 AI**:即插即用的 AI 集成,可增强工作流并引入 AI 驱动的功能。
- **Code Studio**:一个集成的、AI 辅助的 IDE,可直接在浏览器中编写、编辑和管理检测规则(Sigma, YARA, Splunk SPL, Azure KQL)以及模拟 payload。
- **灵活的数据适配器**:从 `localStorage`/`IndexedDB` 开始进行快速测试,当你准备好扩展时,可以迁移到后端数据库(`Supabase`、`Firebase`)或自定义的 `REST API`。
## 快速开始
只需不到 60 秒即可在本地启动并运行。
### 前置条件
- Node.js(v18 或更高版本)
- npm 或 yarn
### 安装
1. **Clone 代码仓库:**
git clone https://github.com/Control-Drift/Control-Drift.git
cd control-drift
2. **安装依赖:**
npm install
3. **启动开发服务器:**
npm run dev
4. **打开浏览器:** 访问 `http://localhost:5173`。你现在正在使用本地数据库适配器,完全在浏览器中运行 Control Drift!
### Docker 快速开始(企业模式)
如果你更喜欢通过 Docker 运行完整的 stack,只需几秒钟即可启动应用程序:
```
git clone https://github.com/Control-Drift/Control-Drift.git
cd control-drift/deploy
docker compose up -d --build control-drift
```
### 连接远程数据库(可选)
有关在企业单台服务器上部署自托管后端、AI 代理和前端的详细说明,请参阅 **[企业部署指南](docs/deployment.md)**。
## 文档
如需深入了解该平台,请查看我们的综合指南:
- **[用户指南](docs/user_guide.md)**:日常操作和工作流的完整演练。
- **[架构与概念](docs/architecture_and_concepts.md)**:了解事件驱动的态势建模和灵活的数据适配器方法。
- **[AI 集成指南](docs/ai_integration_guide.md)**:在本地和通过安全的企业代理解锁 AI 功能的设置说明。
- **[企业部署指南](docs/deployment.md)**:部署自托管后端的详细说明。
## 贡献
欢迎参与贡献。无论你是想添加新的数据适配器、修复 bug,还是提出新功能建议,都可以随时发起 Pull Request。如果你发现了 bug 或有功能请求,请提交 issue。
## 许可证
本项目采用 Apache 2.0 许可证授权。详情请参阅 [LICENSE](LICENSE) 文件。标签:MITM代理, 安全态势管理, 攻击模拟, 暗色界面, 紫队, 自定义脚本, 请求拦截, 驱动签名利用