
Projet OWASP pour la modélisation des menaces assistée par IA, aidant les équipes à identifier, analyser et documenter les menaces de sécurité et les mesures d'atténuation dans les conceptions de systèmes.
Pointez-le vers une base de code. Obtenez en retour un modèle de menace ancré dans le code — prêt à être examiné, contesté et exploité. Les éléments que le code ne peut pas voir — le contexte métier et l'architecture sous-jacente — c'est là que vous et vos architectes intervenez.
Importez un ZIP ou un dépôt GitHub, et AI Threat Modeler produit un artefact de modèle de menace de type STRIDE : un diagramme de flux de données, des menaces candidates et un registre des risques — avec des liens vers les fichiers sources et numéros de ligne exacts chaque fois que l'agent IA peut les ancrer dans du code réel. Une passe adversariale optionnelle écarte les constats dépourvus de preuve dans le code.
Conçu pour les équipes AppSec qui veulent une modélisation des menaces ancrée dans le code réel — traçable, vérifiable et toujours à jour.
Soyez clair sur ce que vous obtenez, car la distinction compte :
file:line.file:line, et les affirmations sans preuve dans le code sont écartées. Le résultat est une matière concrète et vérifiable sur laquelle votre équipe peut agir — le code est la source de vérité, et votre équipe apporte le jugement nécessaire pour agir.La valeur que vous en retirez est proportionnelle à ce que vous y mettez (garbage in, garbage out) et à la rigueur avec laquelle votre équipe agit sur les constats — vérifier le diagramme, recouper les affirmations avec le code et ajouter le contexte métier/conception qui vit en dehors de la base de code. Voir Comment utiliser la sortie pour le flux de travail complet, et comment l'utiliser comme contrôle avons-nous fait un travail suffisamment bon face à un modèle de menace existant construit manuellement.
Ou regardez sur la page du fichier.
Vous aurez besoin de Docker et d'une clé API pour l'un des fournisseurs pris en charge — Anthropic (Claude), OpenAI ou DeepInfra pour exécuter des modèles à poids ouverts (Kimi, GLM, DeepSeek).
Configurez votre environnement. Copiez le fichier d'environnement et ajoutez un JWT_SECRET aléatoire :
cp .env.example .env
echo "JWT_SECRET=$(openssl rand -hex 32)" >> .env
Compiler et démarrer :
docker-compose up -d --build
Ouvrez http://localhost:3000, connectez-vous avec admin / admin, ajoutez votre clé API dans Settings, et soumettez un dépôt.
👉 Nouveau ici ? Suivez le guide de démarrage pour la procédure complète avec des détails équivalents à des captures d'écran.
Une fois une tâche terminée, ouvrez le rapport — un ensemble d'artefacts pour votre revue, et non un verdict final :
| Onglet | Contenu |
|---|---|
| Diagramme de flux de données | Diagramme interactif avec frontières de confiance ; cliquez sur un nœud pour voir les menaces candidates associées et les fichiers sources. Vérifiez d'abord ce diagramme par rapport à votre architecture réelle — des conclusions fondées sur un diagramme erroné sont suspectes. |
| Modèle de menaces | Menaces STRIDE candidates avec gravité, mesure d'atténuation et Emplacement (fichier:ligne, extrait, lien GitHub lorsqu'importé depuis GitHub). Traitez chacune comme une hypothèse à vérifier dans le code, et non comme une conclusion. |
| Registre des risques | Risques liés aux menaces, avec plans de remédiation — matière première pour les décisions de votre équipe et la remédiation suivie. |
Exportez en PDF, CSV (compatible Excel) ou JSON, afin de pouvoir intégrer les conclusions dans votre outil de suivi de tickets et votre pratique de modélisation des menaces de référence.
Chaque tâche exécute un court flux stage → run afin que l'IA comprenne votre déploiement, et pas seulement votre code :
Apportez votre propre clé pour le fournisseur qui correspond à votre budget et à vos exigences de conformité — choisissez le fournisseur et le modèle dans Settings :
Vous pouvez également ajuster reasoning_effort et activer la seconde passe adversariale par instance. Voir la référence des paramètres.
| Guide | Pour |
|---|---|
| Démarrage | Nouveaux utilisateurs — de l'installation au premier rapport |
| Importation depuis GitHub | Dépôts publics et privés, branches, limites |
| Référence des paramètres | Réglage du coût, de la profondeur et des fournisseurs |
| Dépannage | Quand quelque chose ne va pas |
| Fonctionnalités | Liste complète des capacités |
| Déploiement | Exécution avec Docker Compose en production |
| SETUP.md | Développement local sans Docker |
| CHANGELOG.md | Historique des versions |
Index complet de la documentation : docs/. Spécification API interactive : http://localhost:3001/api-docs (lorsque le backend est en cours d'exécution).
npm test # backend + frontend unit tests
cd frontend && npm run e2e:install && npm run e2e # Playwright end-to-end tests