प्रोडक्शन-रेडी SQL इंजेक्शन स्कैनर जिसमें 6 पहचान विधियाँ, AI-संचालित सुधार, SARIF आउटपुट और CI/CD एकीकरण है.

त्वरित आरंभ · दस्तावेज़ीकरण · डॉकर · AI विश्लेषण · GitHub पर स्टार करें

कार्य में

_{लाइव स्कैन · PHP असुरक्षित दुकान · 11 खोजें मिलीं · सुरक्षित मोड · 2265.56s}

_{HTML रिपोर्ट — गंभीरता बैज और OWASP मैपिंग के साथ खोजों का अवलोकन}

_{खोजों की तालिका — PYTHIA-SQL कोड, DBMS पहचान, CWE-89 मैपिंग}

Pythia क्या है?

Pythia एक प्रोडक्शन-रेडी SQL इंजेक्शन पहचान स्कैनर है जो नैतिकता को पहले रखता है. पैनेट्रेशन टेस्टर्स, सुरक्षा शोधकर्ताओं और DevSecOps इंजीनियरों के लिए बनाया गया, यह 6 पहचान विधियों में SQL इंजेक्शन कमजोरियों की पहचान करता है और सीधे CI/CD पाइपलाइनों में एकीकृत होता है।

Pythia क्यों?

डिज़ाइन से नैतिक: सहमति टोकन प्रणाली अनधिकृत स्कैनिंग को रोकती है
बहु-विधि पहचान: द्वितीय-क्रम और ORDER BY इंजेक्शन सहित 6 पहचान तकनीकें
AI-संचालित: GPT, Claude, या स्थानीय Ollama कोड उदाहरणों के साथ बुद्धिमान सुधार मार्गदर्शिकाओं के लिए
CI/CD के लिए तैयार: पाइपलाइन एकीकरण के लिए --fail-on, --sarif, --diff फ्लैग
पेशेवर रिपोर्ट: फ़िल्टर बार + OWASP/CWE/CVE बैज के साथ HTML + प्रासंगिक CVSS स्कोरिंग के साथ JSON
स्थायी ट्रैकिंग: Argos Suite के साथ साझा किया गया SQLite डेटाबेस (~/.argos/argos.db)
उच्च सटीकता: समानता स्कोरिंग और बहु-पेलोड पुष्टि के साथ गलत सकारात्मकता में कमी

यह क्या पहचानता है

विशेषताएं

कोर SQL इंजेक्शन पहचान```bash

One command, comprehensive SQLi analysis

python -m pyth --target http://example.com/products?id=1 --html

- **14 खोज कोड**: DBMS-विशिष्ट (MySQL, PostgreSQL, MSSQL, Oracle, SQLite) + तकनीक-विशिष्ट
- **DBMS फिंगरप्रिंटिंग**: स्वचालित डेटाबेस प्रकार और संस्करण पहचान
- **WAF बाईपास**: आक्रामक मोड में 170+ बाईपास पेलोड (हेक्स, URL एन्कोडिंग, इनलाइन कमेंट्स, केस वैरिएंट्स)
- **सत्र-चर पहचान**: DVWA-उच्च शैली प्रमाणीकरण पैटर्न के लिए POST→GET श्रृंखला
- **स्मार्ट क्रॉलर**: पॉपअप/ऑनक्लिक निष्कर्षण के साथ BFS (`--js`), साइटमैप, robots.txt
- **गलत सकारात्मक सख्तीकरण**: SequenceMatcher समानता स्कोरिंग + मल्टी-पेलोड पुष्टि

### CI/CD एकीकरण```bash
# Pipeline-friendly: exit 10 if high+ findings found
python -m pyth --target https://staging.app.com --aggressive --fail-on high
echo $?  # 0=clean, 10=findings found, 1=error

# SARIF for GitHub Security / GitLab SAST
python -m pyth --target https://app.com --aggressive --sarif > results.sarif

# Compare vs last scan — show what's new, what's fixed
python -m pyth --target https://app.com --aggressive --diff last --html

प्रमाणीकरण हेडर्स```bash

Scan authenticated endpoints (JWT, API keys, custom cookies)

python -m pyth --target https://api.example.com/v1/users
--auth-header "Authorization: Bearer eyJhbGc..."
--auth-header "X-API-Key: sk-prod-xxx"
--aggressive --html

`--auth-header` को एकाधिक हेडर के लिए कई बार पास करें।

### AI-संचालित विश्लेषण

कमांड लाइन से अपना AI प्रदाता चुनें:

| प्रदाता                         | सर्वोत्तम के लिए                  | गति         | लागत        | गोपनीयता     |
| -------------------------------- | --------------------------------- | ---------- | ----------- | ------------ |
| **OpenAI gpt-4o-mini** (डिफ़ॉल्ट) | उत्पादन गुणवत्ता, कम लागत         | तेज़       | ~$0.02/स्कैन | मानक         |
| **Anthropic Claude**             | गोपनीयता-केंद्रित, कोड सुधार     | तेज़       | ~$0.06/स्कैन | उन्नत        |
| **Ollama (Local)**               | पूर्ण गोपनीयता                   | धीमा (CPU) | मुफ़्त      | 100% ऑफ़लाइन |```bash
# Standard analysis
python -m pyth --target http://example.com --use-ai --ai-tone technical --html

# Agent mode: AI queries NVD for real CVEs (no API key for NVD)
python -m pyth --target http://example.com --use-ai --ai-agent --html

# Multi-provider comparison
python -m pyth --target http://example.com --use-ai \
  --ai-compare "openai:gpt-4o-mini,anthropic:claude-3-5-haiku-20241022" --html

# With budget cap
python -m pyth --target http://example.com --use-ai --ai-budget 0.05 --html

पेशेवर रिपोर्टिंग

JSON रिपोर्ट्स (मशीन-पठनीय, v0.2.0 स्कीमा)```json { "tool": "pythia", "version": "0.2.0", "target": "http://localhost:8081", "mode": "aggressive", "summary": { "total": 26, "critical": 18, "high": 6, "medium": 2 }, "findings": [ { "id": "PYTHIA-SQL-001", "title": "Error-Based SQL Injection (MySQL/MariaDB)", "severity": "critical", "confidence": "high", "parameter": "id", "vector": "GET", "dbms": "MySQL 8.0.32", "cvss": 9.8, "contextual_score": 9.9, "risk_factors": ["no_ssl", "pii_detected"], "payload": "' OR '1'='1' --", "owasp": { "id": "A03", "name": "Injection" }, "cwe": { "id": "CWE-89", "name": "SQL Injection" }, "detection_method": "error-based" } ], "notes": { "scan_duration_seconds": 87.3, "requests_sent": 342, "rate_limit_applied": "5.0 req/s", "false_positive_disclaimer": "..." }, "diff": null }

**HTML रिपोर्ट्स** (मानव-अनुकूल)

- फ़िल्टर बार: गंभीरता, OWASP श्रेणी, पता लगाने की विधि, DBMS
- प्रति खोज OWASP/CWE/CVE बैज (बाहरी संदर्भों के लिए क्लिक करने योग्य)
- रंग कोडिंग के साथ CVSS आधार + प्रासंगिक स्कोर
- पेलोड विज़ुअलाइज़ेशन के साथ विस्तार योग्य साक्ष्य अनुभाग
- AI विश्लेषण टैब (मानक / एजेंट / तुलना)
- डिफ अनुभाग (नए/ठीक/लगातार निष्कर्ष)
- ओरेकल थीम (बैंगनी `#6a11cb`) — ग्राहकों को बिना संपादन के देने योग्य

### निष्कर्ष कोड

सभी कोड → **OWASP A03 Injection** / **CWE-89 SQL Injection**

| कोड             | प्रकार               | DBMS / वेक्टर           | मोड        |
| --------------- | -------------------- | ----------------------- | ---------- |
| `PYTHIA-SQL-001` | Error-Based          | MySQL / MariaDB         | Safe       |
| `PYTHIA-SQL-002` | Error-Based          | PostgreSQL              | Safe       |
| `PYTHIA-SQL-003` | Error-Based          | MSSQL                   | Safe       |
| `PYTHIA-SQL-004` | Error-Based          | Oracle                  | Safe       |
| `PYTHIA-SQL-005` | Error-Based          | SQLite                  | Safe       |
| `PYTHIA-SQL-010` | Boolean Blind        | कोई भी DBMS             | Safe       |
| `PYTHIA-SQL-011` | Boolean Blind        | हेडर इंजेक्शन के माध्यम से | Safe       |
| `PYTHIA-SQL-020` | Time-Based           | MySQL SLEEP()            | Aggressive |
| `PYTHIA-SQL-021` | Time-Based           | MSSQL WAITFOR            | Aggressive |
| `PYTHIA-SQL-022` | Time-Based           | PostgreSQL pg_sleep()    | Aggressive |
| `PYTHIA-SQL-030` | UNION-Based          | GET/POST पैरामीटर        | Aggressive |
| `PYTHIA-SQL-031` | UNION-Based          | कुकी के माध्यम से       | Aggressive |
| `PYTHIA-SQL-040` | Second-Order         | स्टोर → पुनर्प्राप्ति पैटर्न | Aggressive |
| `PYTHIA-SQL-050` | ORDER BY Injection   | संख्यात्मक सॉर्ट पैरामीटर | Aggressive |

---

## सत्यापन और परीक्षण

Pythia v0.2.0 को **अनुभवजन्य रूप से मान्य** किया गया है, नियंत्रित डॉकर-आधारित कमजोर अनुप्रयोगों का उपयोग करके।

### QA परिणाम (मई 2026)

| लक्ष्य                      | मोड                             | निष्कर्ष        | टिप्पणियाँ                                  |
| -------------------------- | -------------------------------- | --------------- | ------------------------------------------- |
| **PHP Lab** (8081)         | `--aggressive`                   | **26 निष्कर्ष** | सभी 4 तकनीकें + second-order + ORDER BY     |
| **Flask Lab** (8082)       | `--js --aggressive`              | **18 निष्कर्ष** | Session-var + second-order + ORDER BY        |
| **DVWA Low**               | `--no-crawl --aggressive`        | 4/4 तकनीकें     | PYTHIA-SQL-001/010/020/030                   |
| **DVWA Medium**            | `--no-crawl --aggressive`        | 4/4 तकनीकें     | POST फ़ॉर्म, सभी तकनीकें                     |
| **DVWA High**              | `--js --max-pages 2 --aggressive`| 4/4 तकनीकें     | Session-variable POST→GET श्रृंखला           |
| **False Positive Test**    | `--aggressive`                   | **0 निष्कर्ष**  | स्थिर URL — कोई गलत सकारात्मक नहीं पुष्टि    |

**प्रमुख सत्यापन:**

- ✅ सभी 14 निष्कर्ष कोड कार्यात्मक
- ✅ DVWA उच्च (session-variable पैटर्न) — पूर्ण 4/4 समानता
- ✅ Second-order पहचान (PYTHIA-SQL-040)
- ✅ ORDER BY इंजेक्शन पहचान (PYTHIA-SQL-050)
- ✅ स्थिर URL पर शून्य गलत सकारात्मक
- ✅ `--fail-on` एग्ज़िट कोड (0/10/1) सही
- ✅ SARIF 2.1.0 आउटपुट मान्य
- ✅ `--diff last` तुलना कार्य कर रही है
- ✅ `--auth-header` सभी अनुरोधों के माध्यम से हेडर पास करता है

---

## त्वरित आरंभ

### पूर्वापेक्षाएँ

- **Python 3.11+** (3.12 अनुशंसित)
- **pip** (Python पैकेज मैनेजर)
- **Docker** (वैकल्पिक, कमजोर लैब्स के लिए)

### स्थापना

**1. रिपॉजिटरी क्लोन करें**```bash
git clone https://github.com/rodhnin/pythia-sql-clairvoyance.git
cd pythia-sql-clairvoyance

2. वर्चुअल वातावरण बनाएं और सक्रिय करें```bash python3 -m venv .venv source .venv/bin/activate

**3. निर्भरताएँ स्थापित करें**```bash
python -m pip install --upgrade pip
python -m pip install -r requirements.txt

4. API कुंजियाँ कॉन्फ़िगर करें (यदि क्लाउड AI का उपयोग कर रहे हैं)```bash export OPENAI_API_KEY="sk-..." export ANTHROPIC_API_KEY="sk-ant-..."

**5. स्थापना सत्यापित करें**```bash
python -m pyth --version
# Output: Pythia v0.2.0

आपका पहला स्कैन```bash

python -m pyth --target "http://testphp.vulnweb.com/artists.php?artist=1"

With HTML report

python -m pyth --target "http://testphp.vulnweb.com/artists.php?artist=1" --html

python -m pyth --gen-consent example.com python -m pyth --verify-consent http --domain example.com --token verify-abc123 python -m pyth --target http://example.com --aggressive --html

रिपोर्ट्स को `~/.pythia/reports/` में सहेजा जाता है।

---

## उपयोग गाइड

### CLI फ़्लैग्स संदर्भ```
Scan Options:
  --target URL          Target URL to scan
  --safe                Safe mode (default): error-based + boolean-blind
  --aggressive          Aggressive mode: all 6 techniques + WAF bypass payloads

Auth:
  --cookie COOKIE       Session cookie string
  --auth-header HEADER  Custom HTTP header (pass multiple times for multiple headers)
  --auto-csrf           Automatically detect and include CSRF tokens

Crawler:
  --max-depth N         Max crawl depth (default: 2)
  --max-pages N         Max pages to crawl (default: 100)
  --no-robots           Ignore robots.txt
  --no-crawl            Skip BFS crawl, test target URL only
  --js                  JS-aware popup/onclick URL extraction

Output:
  --report-dir DIR      Output directory for reports (default: ~/.pythia/reports/)
  --html                Generate HTML report
  --db                  Save findings to database
  --diff SCAN_ID        Compare vs previous scan (use "last" for most recent)
  --sarif               Output SARIF 2.1.0 to stdout (logs redirect to stderr)
  --fail-on SEVERITY    Exit 10 if findings found at this severity or higher

CI/CD:
  --fail-on SEVERITY    Exit codes: 0=clean, 10=findings found, 1=error

Logging:
  -v / -vv / -vvv       Verbosity levels
  -q                    Quiet mode (errors only)
  --log-file FILE       Log to file
  --log-json            Structured JSON logging
  --no-color            Disable colored output

AI:
  --use-ai              Enable AI analysis
  --ai-tone TONE        Analysis tone: technical, non_technical, both
  --api-key-env VAR     Environment variable name for API key
  --ai-provider NAME    AI provider: openai, anthropic, ollama
  --ai-model MODEL      Model name (e.g. gpt-4o-mini, claude-3-5-haiku-20241022)
  --ai-stream           Stream AI output token by token
  --ai-compare LIST     Compare providers (e.g. "openai,anthropic" or "openai:gpt-4o-mini,anthropic:claude-3-5-haiku-20241022")
  --ai-agent            Agent mode: NVD CVE lookup + iterative analysis
  --ai-budget AMOUNT    Cost cap per scan in USD

Consent:
  --gen-consent DOMAIN  Generate consent token for domain
  --verify-consent METHOD  Verify consent: http or dns
  --domain DOMAIN       Domain for consent verification
  --token TOKEN         Consent token value

Advanced:
  --rate N              Request rate limit (default: 2.0 safe, 5.0 aggressive)
  --timeout N           HTTP timeout in seconds (default: 10)
  --user-agent STRING   Custom User-Agent
  --no-verify-ssl       Disable SSL verification
  --threads N           Worker threads (default: 5)
  --version             Show version and exit

मूल स्कैनिंग```bash

python -m pyth --target "http://example.com/search?q=test"

Generate HTML report

python -m pyth --target "http://example.com/products?id=1" --html

Increase verbosity

python -m pyth --target "http://example.com/api/users?id=1" -vv

Skip crawler, test target URL directly

python -m pyth --target "http://example.com/api/users?id=1" --no-crawl

### CI/CD Integration```bash
# Exit 10 if high or critical findings exist (blocks pipeline)
python -m pyth \
  --target https://staging.myapp.com \
  --aggressive \
  --fail-on high

# SARIF output for GitHub Security tab
python -m pyth \
  --target https://staging.myapp.com \
  --aggressive \
  --sarif > results.sarif

# Compare vs last scan to see what changed
python -m pyth \
  --target https://staging.myapp.com \
  --aggressive \
  --diff last \
  --html

प्रमाणित स्कैनिंग```bash

JWT Bearer token

python -m pyth
--target https://api.example.com/v1/products
--aggressive
--auth-header "Authorization: Bearer eyJhbGc..."
--html

Multiple headers

python -m pyth
--target https://api.example.com/v1/users
--aggressive
--auth-header "Authorization: Bearer eyJhbGc..."
--auth-header "X-API-Key: sk-prod-xxx"
--html

python -m pyth
--target "http://localhost:8080/vulnerabilities/sqli/?id=1&Submit=Submit"
--no-crawl
--aggressive
--cookie "PHPSESSID=abc123; security=low"

### JS-Aware Crawling```bash
# Extract popup/onclick URLs for complex navigation patterns
python -m pyth \
  --target http://localhost:8082 \
  --js \
  --aggressive \
  --html

# DVWA high: session-variable form (needs popup URL extraction)
python -m pyth \
  --target "http://localhost:8080/vulnerabilities/sqli/" \
  --js \
  --max-pages 2 \
  --aggressive \
  --cookie "PHPSESSID=abc123; security=high"

The --js flag uses regex extraction from onclick attributes — no Playwright dependency required.

आक्रामक मोड```bash

python -m pyth --gen-consent example.com

Output: Token: verify-a3f9b2c1d8e4...

Step 2: Place token at https://example.com/.well-known/verify-a3f9b2c1d8e4.txt

python -m pyth --verify-consent http
--domain example.com
--token verify-a3f9b2c1d8e4

Step 4: Run aggressive scan (all 6 techniques + WAF bypass)

python -m pyth
--target http://example.com
--aggressive
--html -v

---

## डॉकर तैनाती

Pythia दो डॉकर तैनाती विकल्प प्रदान करता है:

1. **Scanner Image**: एकल-शॉट स्कैन के लिए Pythia को Docker इमेज के रूप में बनाएँ
2. **Testing Lab**: सुरक्षित परीक्षण के लिए कमजोर एप्लिकेशन (DVWA, PHP, Flask)

### त्वरित आरंभ```bash
cd docker
./deploy.sh

परीक्षण प्रयोगशाला (कमजोर अनुप्रयोग)

परीक्षण प्रयोगशाला को सार्वजनिक इंटरनेट पर कभी उजागर न करें — केवल स्थानीय परीक्षण के लिए!```bash

Start vulnerable applications

sudo docker compose -f docker/compose.testing.yml up -d

Expected targets:

DVWA: http://localhost:8080

PHP Shop: http://localhost:8081

Flask Blog: http://localhost:8082

Scan from host

python -m pyth --target http://localhost:8081 --aggressive --html

Stop lab

sudo docker compose -f docker/compose.testing.yml down

---

## AI-संचालित विश्लेषण

Pythia कई AI प्रदाताओं के समर्थन के साथ **LangChain v1.0.0** का उपयोग करता है।

### दो विश्लेषण मोड

- **तकनीकी**: तैयार कथन, पैरामीटरयुक्त क्वेरी, इनपुट सत्यापन कोड (PHP/PDO, Python/SQLAlchemy, Node.js/pg, Java/PreparedStatement)
- **कार्यकारी**: हितधारकों और प्रबंधन के लिए सरल भाषा में जोखिम मूल्यांकन

### प्रदाता बदलना```bash
# CLI flags (v0.2.0) — no YAML editing required
python -m pyth --target http://example.com --use-ai --ai-provider anthropic --ai-model claude-3-5-haiku-20241022 --html
python -m pyth --target http://example.com --use-ai --ai-provider ollama --ai-model llama3.2 --html

YAML config (config/default.yaml) को अभी भी फ़ॉलबैक के रूप में उपयोग किया जा सकता है। CLI फ़्लैग प्राथमिकता लेते हैं।

पूर्ण AI एकीकरण गाइड के लिए, देखें docs/AI_INTEGRATION.md

रिपोर्ट्स को समझना

रिपोर्ट फ़ाइलें```

~/.pythia/ ├── reports/ │ ├── pythia_sqli_report_localhost_20260318_143022.json │ └── pythia_sqli_report_localhost_20260318_143022.html ~/.argos/ ├── argos.db # Shared Argos Suite database ├── costs.json # AI cost tracking (shared) └── logs/ └── pythia.log # Scan logs

### गंभीरता मानचित्रण

- **गंभीर (9.0-10.0)**: त्रुटि-आधारित, समय-आधारित, UNION-आधारित, पुष्ट शोषण के साथ द्वितीय-क्रम
- **उच्च (7.0-8.9)**: बूलियन-अंधा (उच्च विश्वास), ORDER BY इंजेक्शन
- **मध्यम (4.0-6.9)**: बूलियन-अंधा (मध्यम विश्वास)
- **निम्न (0.1-3.9)**: अनिर्णायक साक्ष्य के साथ संभावित SQLi

### निकास कोड

| कोड | अर्थ                                                                       |
| ----- | ----------------------------------------------------------------------------- |
| `0`   | स्कैन पूर्ण, `--fail-on` सीमा पर कोई खोज नहीं (या कोई `--fail-on` उपयोग नहीं किया गया) |
| `1`   | तकनीकी त्रुटि (कनेक्शन, टाइमआउट, डेटाबेस)                               |
| `10`  | `--fail-on` गंभीरता सीमा पर या उससे ऊपर खोज मिलीं                     |
| `130` | उपयोगकर्ता द्वारा रद्द (Ctrl+C)                                                       |

---

## डेटाबेस स्थिरता

SQLite डेटाबेस **Argos पारिस्थितिकी तंत्र के साथ साझा** (`~/.argos/argos.db`):

- **स्कैन इतिहास**: तिथि, अवधि, खोज गणना, पता लगाने के तरीके
- **खोज भंडार**: खोजने योग्य SQL इंजेक्शन कमजोरी डेटाबेस
- **सत्यापित डोमेन**: समाप्ति के साथ सहमति टोकन ट्रैकिंग
- **AI लागत**: प्रति-स्कैन लागत ट्रैकिंग (v0.2.0 में नया)```bash
# Query recent Pythia scans
sqlite3 ~/.argos/argos.db "SELECT * FROM scans WHERE tool='pythia' ORDER BY scan_id DESC LIMIT 10"

# Find critical SQL injections
sqlite3 ~/.argos/argos.db "SELECT * FROM findings WHERE severity='critical' AND scan_id IN (SELECT scan_id FROM scans WHERE tool='pythia')"

# View AI cost summary
sqlite3 ~/.argos/argos.db "SELECT provider, model, ROUND(SUM(cost_usd),4) FROM ai_costs WHERE tool='pythia' GROUP BY provider, model"

परियोजना संरचना```

pythia-sql-clairvoyance/ ├── pyth/ │ ├── checks/ │ │ ├── crawler.py # BFS web crawler (JS-aware with --js) │ │ ├── error_based.py # PYTHIA-SQL-001..005 │ │ ├── boolean_blind.py # PYTHIA-SQL-010..011 │ │ ├── time_based.py # PYTHIA-SQL-020..022 │ │ ├── union_based.py # PYTHIA-SQL-030..031 │ │ ├── second_order.py # PYTHIA-SQL-040 │ │ ├── order_injection.py # PYTHIA-SQL-050 │ │ ├── waf_bypass.py # WAF bypass payloads (aggressive only) │ │ └── forms.py # Form analysis │ ├── core/ │ │ ├── ai.py # AI integration + AICostTracker │ │ ├── config.py # Config loader │ │ ├── consent.py # Consent token system │ │ ├── cve_lookup.py # NVD CVE API client │ │ ├── db.py # ArgosDB (shared SQLite) │ │ ├── diff.py # Diff reports │ │ ├── http_client.py # Rate-limited HTTP session │ │ ├── logging.py # Structured logging + secret redaction │ │ ├── owasp.py # OWASP/CWE mapper │ │ ├── report.py # Report generation (JSON + HTML + SARIF) │ │ └── risk_scoring.py # Contextual CVSS scoring │ ├── cli.py # CLI argument parser (35+ flags) │ ├── scanner.py # Main scan orchestrator │ └── init.py # version = "0.2.0" ├── config/ │ ├── default.yaml │ └── prompts/ # AI prompt templates ├── db/migrate.sql # Shared DB schema ├── schema/report.schema.json # JSON Schema Draft 2020-12 ├── templates/report.html.j2 # HTML template (oracle purple theme) ├── docker/ # Docker deployment + vulnerable labs └── docs/ ├── AI_INTEGRATION.md ├── CONSENT.md ├── DATABASE_GUIDE.md ├── ETHICS.md ├── REPORT_FORMAT.md ├── ROADMAP.md └── TESTING_GUIDE.md

---

## रोडमैप

### v0.1.0 — प्रारंभिक रिलीज़ (नवंबर 2025)

**स्थिति:** जारी

- 4 डिटेक्शन विधियाँ, AI सुधार, सहमति प्रणाली, HTML+JSON रिपोर्ट, SQLite स्थिरता

### v0.2.0 — पूर्ण समानता और उद्यम सुविधाएँ (मई 2026)

**स्थिति:** जारी

- 6 डिटेक्शन विधियाँ (सेकंड-ऑर्डर + ORDER BY जोड़ा गया)
- 14 DBMS-विशिष्ट फाइंडिंग कोड
- CI/CD एकीकरण (`--fail-on`, `--sarif`, `--diff`)
- Auth हेडर, JS-जागरूक क्रॉलिंग, WAF बाईपास पेलोड
- AI: स्ट्रीमिंग, तुलना, एजेंट (NVD CVE लुकअप), लागत ट्रैकिंग, `--ai-provider`/`--ai-model` फ़्लैग
- प्रत्येक फाइंडिंग में OWASP/CWE/CVSS/प्रासंगिक जोखिम स्कोरिंग
- फ़ॉल्स पॉज़िटिव हार्डनिंग (समानता स्कोरिंग, मल्टी-पेलोड पुष्टि)
- DVWA उच्च सुरक्षा समानता (सत्र-चर श्रृंखला)

### v0.3.0 — Pytest सूट और डेवलपर टूलिंग (Q3 2026)

**योजनाबद्ध:**

- सभी 14 फाइंडिंग कोड को कवर करने वाले 40+ pytest परीक्षण
- इंटरैक्टिव कॉन्फ़िग प्रबंधन (`python -m pyth config set`)
- डेटाबेस CLI (`python -m pyth db scans list`)
- प्रमाणित स्कैन के दौरान सत्र समाप्ति का पता लगाना
- मल्टी-साइट बैच स्कैनिंग (`--targets targets.txt`)

### v0.4.0 — बुद्धिमत्ता और स्वचालन (Q1 2027)

**योजनाबद्ध:**

- ML-आधारित विसंगति का पता लगाना
- स्वचालित केवल-पढ़ने के लिए शोषण (प्रभाव का प्रमाण)
- स्कैन परिणाम विश्लेषण के लिए AI चैट इंटरफ़ेस

विस्तृत सुविधा विवरण के लिए, देखें [docs/ROADMAP.md](https://github.com/rodhnin/pythia-sql-clairvoyance/blob/HEAD/docs/ROADMAP.md)

---

## नीति और कानूनी

### स्वर्णिम नियम

**केवल उन सिस्टम को स्कैन करें जिनके आप स्वामी हैं या जिनके परीक्षण के लिए आपके पास स्पष्ट लिखित अनुमति है।**

### सहमति प्रवर्तन

| मोड            | परीक्षण                      | सहमति आवश्यक | दर सीमा   |
| -------------- | ---------------------------- | ------------- | --------- |
| **सुरक्षित**   | एरर-आधारित, बूलियन-ब्लाइंड  | नहीं          | 2.0 req/s |
| **आक्रामक**    | सभी 6 तकनीकें                | हाँ           | 5.0 req/s |
| **AI विश्लेषण**| सुधार मार्गदर्शिका           | हाँ           | N/A       |

### कानूनी ढाँचा

- यूएसए: कंप्यूटर धोखाधड़ी और दुरुपयोग अधिनियम (CFAA)
- यूके: कंप्यूटर दुरुपयोग अधिनियम 1990
- यूरोपीय संघ: निर्देश 2013/40/EU
- अंतर्राष्ट्रीय: विभिन्न साइबर अपराध कानून

पूर्ण नैतिक दिशानिर्देशों के लिए, देखें [docs/ETHICS.md](https://github.com/rodhnin/pythia-sql-clairvoyance/blob/HEAD/docs/ETHICS.md)

---

## योगदान देना

हम योगदान का स्वागत करते हैं — बग रिपोर्ट, फीचर अनुरोध, दस्तावेज़ीकरण सुधार और कोड योगदान।

### योगदान कैसे करें

1. रिपॉजिटरी को फ़ोर्क करें
2. एक फीचर ब्रांच बनाएँ (`git checkout -b feature/amazing-feature`)
3. अपने बदलाव करें और परीक्षण लिखें
4. अपने बदलावों को कमिट करें
5. ब्रांच पर पुश करें और एक पुल रिक्वेस्ट खोलें

### विकास सेटअप```bash
git clone https://github.com/YOUR-USERNAME/pythia-sql-clairvoyance.git
cd pythia-sql-clairvoyance
python -m pip install -r requirements.txt
python -m pip install pytest black flake8 mypy
black pyth/
flake8 pyth/
pytest tests/

दस्तावेज़ीकरण

लाइसेंस

यह परियोजना MIT लाइसेंस के तहत लाइसेंसीकृत है — विवरण के लिए LICENSE फ़ाइल देखें।

अस्वीकरण

महत्वपूर्ण: यह उपकरण केवल अधिकृत सुरक्षा परीक्षण के लिए है।

Pythia का उपयोग करके, आप स्वीकार और सहमत होते हैं कि:

आप केवल उन सिस्टमों को स्कैन करेंगे जिनके आप मालिक हैं या जिनके परीक्षण की स्पष्ट लिखित अनुमति है
आप सभी लागू कानूनों और नियमों का पालन करेंगे
आप समझते हैं कि अनधिकृत पहुंच अवैध है (CFAA, कंप्यूटर मिसयूज एक्ट, आदि)
लेखक और योगदानकर्ता दुरुपयोग के लिए कोई दायित्व नहीं लेते हैं

आभार

OWASP — SQL इंजेक्शन मार्गदर्शन, परीक्षण गाइड
SQLMap — पहचान विधियों और तकनीकों के लिए प्रेरणा
PortSwigger — वेब सुरक्षा अकादमी संसाधन
LangChain — बुद्धिमान विश्लेषण के लिए AI ढांचा
Anthropic और OpenAI — कमजोरियों के सुधार के लिए AI मॉडल
Ollama — गोपनीयता-केंद्रित स्कैनिंग के लिए स्थानीय AI इंफेरेंस
NVD/NIST — मुक्त सार्वजनिक API के माध्यम से CVE डेटा

लेखक

Rodney Dhavid Jimenez Chacin (rodhnin)

वेबसाइट: rodhnin.com
GitHub: @rodhnin
परियोजना: pythia-sql-clairvoyance

दुनिया भर के एथिकल हैकर्स, पेनिट्रेशन टेस्टर्स और DevSecOps इंजीनियर्स के लिए बनाया गया

बग रिपोर्ट करें • सुविधा अनुरोध करें • दस्तावेज़ीकरण

Pythia v0.2.0 — मई 2026

त्रुटि-आधारित	प्रतिक्रियाओं में SQL त्रुटियाँ (MySQL, PostgreSQL, MSSQL, Oracle, SQLite)	सुरक्षित
बूलियन-अंध	TRUE/FALSE स्थितियों से प्रतिक्रिया अंतर	सुरक्षित
समय-आधारित अंध	SLEEP/WAITFOR पेलोड से प्रतिक्रिया विलंब	आक्रामक
UNION-आधारित	UNION SELECT के माध्यम से डेटा निष्कर्षण	आक्रामक
द्वितीय-क्रम	स्टोर→पुनर्प्राप्ति इंजेक्शन पैटर्न (POST→GET श्रृंखला)	आक्रामक
ORDER BY इंजेक्शन	संख्यात्मक सॉर्ट पैरामीटर इंजेक्शन	आक्रामक

AI_INTEGRATION.md	पूर्ण AI सेटअप गाइड (प्रदाता, स्ट्रीमिंग, एजेंट, लागत ट्रैकिंग)
CONSENT.md	सहमति टोकन प्रणाली तकनीकी विवरण
DATABASE_GUIDE.md	SQLite स्कीमा v1.1, क्वेरी, ai_costs तालिका
ETHICS.md	कानूनी ढांचा और नैतिक दिशानिर्देश
REPORT_FORMAT.md	पूर्ण JSON स्कीमा, SARIF, डिफ़ॉर्मेट
ROADMAP.md	सुविधाओं का इतिहास और विकास योजनाएँ
TESTING_GUIDE.md	डॉकर लैब सेटअप और v0.2.0 परीक्षण परिदृश्य

pythia-sql-clairvoyance

सबसे लोकप्रिय