vighnesh91/severitasFramework de simulation d'ingénierie sociale autorisé avec un laboratoire loopback isolé, génération d'audience synthétique, contrôles d'autorisation préalables et rapports hors ligne HTML/Markdown/JSON/CSV.
Severitas est un framework de sensibilisation et de simulation d'ingénierie sociale autorisé. Il est structurellement contraint de s'exécuter exclusivement dans des environnements de laboratoire isolés, contre des identités synthétiques.
Severitas isole logiquement l'exécution des évaluations afin que l'évaluation de sécurité ne compromette pas l'infrastructure de l'entreprise ni les données réelles.
La base de code sépare les couches de politique d'autorisation des boucles d'exécution métier :
severitas/
├── src/
│ └── severitas/
│ ├── core/ # Container bootstrapping, configuration, and logging
│ ├── scope/ # Target match gates (Domain, Email, Network ranges)
│ ├── authorization/ # Pre-execution pipeline validation
│ ├── infrastructure/ # Mock DNS, Mail, Web, and Tracking handlers
│ ├── scenarios/ # Phishing, OSINT, QR, Pretexting scenario plugins
│ ├── telemetry/ # Synchronous ordered event bus and analytics engine
│ └── security/ # Structural redaction filters and leak sentinels
Contrairement aux outils de conseil, Severitas garantit les métriques de conformité de manière structurelle :
severitas.scope) : Les campagnes échouent en mode fermé, sauf si les cibles correspondent parfaitement aux définitions de test synthétiques désignées (*.local, *.test, *.invalid).severitas.security.guards) : Le chemin de soumission compte les noms de champs mais abandonne entièrement les variables avant que les enregistrements ne soient transférés ou que la télémétrie ne soit capturée.Clonez cette structure de dépôt et compilez votre lien de développement dans une instance de conteneur isolée ou un virtualenv local :
# Initialize development profile
python3 -m venv .venv
source .venv/bin/activate
# Install in editable mode
pip install -e .
Severitas inclut des utilitaires de terminal rapides pour provisionner immédiatement des modèles de laboratoire :
# Launch the interactive menu wizard
severitas --menu
# Start the internal mock services bundle
severitas lab start
# Scope out target definitions for synthetic verification checks
severitas scope create --name alpha --domain training.local --email [email protected]
# Run an end-to-end sandbox execution demo to generate mock results
severitas lab demo --targets 25
Lors de la compilation des dossiers de sortie analytique, le système de reporting hors ligne mesure les cohortes de sensibilisation des utilisateurs à l'aide de graphiques en ligne similaires à ce format :
Targets simulated ████████████████████████████████████████ 25
Messages simulated ████████████████████████████████████████ 25
Interactions ██████████████████████████ 18
Clicks / visits ████████████████████ 15
Synthetic submissions ██████████████ 9
User reports ████████ 5
Ce framework est conçu strictement pour des simulations éducatives autorisées, des benchmarks de suivi d'infrastructure et des exercices de validation de formation. Les tests contre des hôtes publics ou des populations d'utilisateurs réels sans Rules of Engagement (ROE) explicites et approbation documentée sont strictement interdits. Le code est distribué selon les termes de la licence MIT.