Skip to content
KitploitKITPLOIT
HerramientasExploitsBlog
Log in
Enviar
HerramientasExploitsBlog
Enviar

¡Herramientas de Hacking, PenTest y Ciberseguridad para tu Arsenal de Seguridad!

Kitploit es un directorio de herramientas de hacking, ciberseguridad y pentesting. Descubre las últimas actualizaciones de proyectos para encontrar vulnerabilidades, analizar sistemas, automatizar pruebas y fortalecer tu seguridad.

FeedsContactoPrivacidad© 2026 Kitploit

Directorio de Herramientas

Categorías

Ver todas las categorías
Loading categories
pytm — Un marco pitónico para el modelado de amenazas | Kitploit
Herramientas/GitHubGitHub/owasp/pytm
Análisis de VulnerabilidadesAnálisis de CódigoDevSecOpsAprendizaje y Educación
GitHubowasp/pytm

pytm

Un marco pitónico para el modelado de amenazas

Ver Repositorio
1.2k22415hace 14 díasRevisado por Kitploit

Más Populares

Ver todos →

Descubre las herramientas más usadas por nuestra comunidad.

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →
Compartir

build+test OpenSSF Best Practices

pytm: Un framework Pythonic para el modelado de amenazas

pytm logo

Introducción

El modelado de amenazas tradicional con demasiada frecuencia llega tarde a la fiesta, o a veces no llega en absoluto. Además, crear flujos de datos y informes manuales puede llevar muchísimo tiempo. El objetivo de pytm es desplazar el modelado de amenazas hacia la izquierda, haciendo que el modelado de amenazas sea más automatizado y centrado en el desarrollador.

Características

Basándose en su entrada y en la definición del diseño arquitectónico, pytm puede generar automáticamente los siguientes elementos:

  • Diagrama de flujo de datos (DFD)
  • Diagrama de secuencia
  • Amenazas relevantes para su sistema

Requisitos

  • Linux/MacOS
  • Python 3.11+
  • Paquete Graphviz
  • Java (OpenJDK 10 o 11)
  • plantuml.jar

Primeros pasos

El archivo tm.py es un modelo de ejemplo. Puede ejecutarlo para generar el informe y los archivos de imagen del diagrama a los que hace referencia:

mkdir -p tm
./tm.py --report docs/basic_template.md | pandoc -f markdown -t html > tm/report.html
./tm.py --dfd | dot -Tpng -o tm/dfd.png
./tm.py --seq | java -Djava.awt.headless=true -jar $PLANTUML_PATH -tpng -pipe > tm/seq.png

También hay un Makefile de ejemplo que envuelve todo esto en objetivos que se pueden compartir fácilmente para múltiples modelos. Si tienes GNU make instalado (disponible por defecto en las distribuciones de Linux pero no en OSX), simplemente ejecuta:

make MODEL=the_name_of_your_model_minus_.py

Debes tener plantuml.jar en el mismo directorio que tu modelo, o configurar PLANTUML_PATH.

Para evitar instalar todas las dependencias, como pandoc o Java, el script puede ejecutarse dentro de un contenedor:

# do this only once
export USE_DOCKER=true
make image

# call this after every change in your model
make

Primeros pasos - Variante Devbox

Para simplificar el uso de pytm, las dependencias del host pueden aislarse por completo usando Devbox. Esta suele ser una alternativa con menor sobrecarga y más conveniente que el enfoque de contenedor OCI.

  • Instalar Devbox en Linux/MacOS: curl -fsSL https://get.jetify.com/devbox | bash
  • Instalar Devbox en Windows/WSL
  • Actualizar a la última versión de devbox: devbox version update
  • Configurar tu token de acceso de GitHub en el archivo ~/.config/nix/nix.conf: access-tokens = github.com=YOUR_TOKEN_HERE
  • Crear un nuevo entorno de shell aislado que incluya todas las herramientas y paquetes especificados en el archivo devbox.json del proyecto: devbox shell
  • Mostrar la ruta completa al ejecutable de Python que se usará cuando simplemente escribas python en tu terminal mediante el comando which python. La salida debería ser la siguiente ruta: .devbox/nix/profile/default/bin/python
  • Probar ejecutando el siguiente comando, que debería generar un DFD como un archivo PNG llamado sample.png: ./tm.py --dfd | dot -Tpng -o sample.png
  • Salir del entorno de shell de Devbox: exit

Primeros pasos - Variante IA

"¡Pero pensé que ya habíamos terminado con esto de 'escribir código'!" - esta es para aquellos de nosotros que disfrutamos demasiado hablar con asistentes de IA: echa un vistazo a https://github.com/izar/tm_skills para conocer algunas formas de añadir OWASP pytm a tu asistente de programación (¡aún necesitarás tener una instalación funcional de pytm!).

Uso

Todos los argumentos disponibles:

usage: tm.py [-h] [--debug] [--dfd] [--report REPORT] [--exclude EXCLUDE]
             [--seq] [--list] [--colormap] [--describe DESCRIBE]
             [--list-elements] [--json JSON] [--levels LEVELS [LEVELS ...]]
             [--stale_days STALE_DAYS]

options:
  -h, --help            show this help message and exit
  --debug               print debug messages
  --dfd                 output DFD
  --report REPORT       output report using the named template file (sample
                        template file is under docs/basic_template.md)
  --exclude EXCLUDE     specify threat IDs to be ignored
  --seq                 output sequential diagram
  --list                list all available threats
  --colormap            color the risk in the diagram
  --describe DESCRIBE   describe the properties available for a given element
  --list-elements       list all elements which can be part of a threat model
  --json JSON           output a JSON file
  --levels LEVELS [LEVELS ...]
                        Select levels to be drawn in the threat model (int
                        separated by comma).
  --stale_days STALE_DAYS
                        checks if the delta between the TM script and the code
                        described by it is bigger than the specified value in
                        days

El argumento stale_days intenta determinar cuántos días de diferencia hay entre el script del modelo (que estás escribiendo) y el código que implementa el sistema que se está modelando. Idealmente, deberían estar bastante cerca en la mayoría de los casos de un sistema en desarrollo activo. Puedes ejecutar esto periódicamente para medir el pulso de tu proyecto y la 'frescura' de tu modelo de amenazas.

Actualmente, los elementos disponibles son: TM, Element, Server, ExternalEntity, Datastore, Actor, Process, Dataflow, Boundary, Lambda, LLM y Agent.

Las propiedades disponibles de un elemento se pueden listar usando --describe seguido del nombre de un elemento:

Descargar herramienta