Mappa, rappresenta graficamente e verifica AWS, Azure e GCP da un'unica CLI. Costruisce un grafo di topologia, esegue Prowler/Checkov/Trivy, associa i risultati a 28 framework di conformità ed esporta report HTML, ontologie RDF, chunk RAG e file di ricreazione Terraform.
cloudg (cloud graphing) mappa l'infrastruttura AWS, Azure e GCP in un grafo,
esegue scanner di sicurezza sullo stesso inventario e trasforma i risultati in report davvero utilizzabili.
Un solo comando raccoglie in parallelo le risorse da ogni provider configurato, le convoglia attraverso un grafo NetworkX per l'analisi di raggiungibilità e dei percorsi di attacco, le distribuisce a Prowler, ScoutSuite, Checkov e Trivy, quindi unisce e deduplica tutti i risultati rispetto a 28 framework di conformità. In uscita si ottengono un report HTML interattivo, GraphML, un'ontologia RDF, chunk RAG per pipeline LLM e file Terraform che ricreano l'infrastruttura live.
Ti serve la mappa senza gli strumenti di sicurezza? cloudg map è un mapper di inventario indipendente dagli scanner: raccoglie in modo approfondito tutto ciò che è distribuito (o predefinito) in un account, fino al tessuto di rete, esamina ogni servizio per il resto e collega tutto in un'unica mappa delle risorse su cui potrai sovrapporre in seguito i risultati degli scanner. Vedi Mappatura dell'inventario.
Vuoi che un agente AI lavori con tutto questo? cloudg mcp serve trasforma cloudg in un server MCP per Claude Desktop, Claude Code, Cursor o qualsiasi altro strumento che parli il Model Context Protocol. Vedi Server MCP.
Documentazione completa: il manuale renderizzato è disponibile su morpheuslord.github.io/cloudg, con lo stesso contenuto in markdown nel riferimento delle funzionalità e le note di rilascio nel changelog. Il mapper di inventario ha documenti di approfondimento dedicati: il riferimento dell'inventario (ogni struttura di ritorno e file di output, campo per campo), il catalogo dell'inventario (tutti i 156 tipi di risorsa, i loro metadati e relazioni) e gli internals dell'inventario (come funziona e come estenderlo). Il server MCP è trattato nella guida MCP, nel riferimento degli strumenti e nel riferimento sulla privacy, mentre il throttling è trattato in limiti di frequenza e throttling.
Report di esempio: per vedere cosa produce cloudg prima di eseguire qualsiasi cosa, apri il report di esempio. È il report.html di un'infrastruttura sintetica AWS, Azure e GCP, quindi ogni ID al suo interno è inventato, e scripts/build_sample_report.py lo ricostruisce a partire dalle fixture di test.
git clone https://github.com/morpheuslord/cloudg.git
cd cloudg
uv venv && source .venv/bin/activate
uv pip install -e ".[all,dev]"
# one provider, one region
cloudg run -p aws --regions us-east-1
# everything, everywhere
cloudg run -p all --regions all
# with Terraform recreation files
cloudg run -p aws --regions us-east-1 --terraform
I report vengono salvati in ./reports. Apri prima report.html.
Hai già eseguito gli scanner autonomamente? Passa a cloudg i loro file di output nativi. Nessuna credenziale cloud, nessun binario dello scanner:
cloudg ingest --prowler ./prowler-output/ --checkov ./results_json.json --trivy ./trivy.json
Qualsiasi combinazione di output di Prowler, ScoutSuite, Checkov e Trivy funziona; cloudg normalizza, deduplica tra gli scanner tramite i ruleset di equivalenza dei check, mappa i framework di compliance e genera i report.
In CI, cloudg gate fa fallire il job in presenza di finding a un livello di severità pari o superiore e scrive SARIF per la scansione del codice. Su GitHub il repository funge anche da action che installa cloudg e gli scanner, esegue la pipeline e la sottopone a gate:
permissions:
contents: read
id-token: write # OIDC login to the cloud
security-events: write # SARIF upload
steps:
- uses: aws-actions/configure-aws-credentials@v6
with:
role-to-assume: arn:aws:iam::123456789012:role/cloudg-github
aws-region: us-east-1
- uses: morpheuslord/[email protected]
with:
provider: aws
fail-on: critical
min-assets: "1"
La guida CI e automazione contiene tutti gli input, i login Azure e GCP, GitLab CI e una versione in puro shell.
Anche il semplice pip funziona: pip install -e ".[all]". Gli SDK cloud sono extra, quindi pip install cloudg[aws] scarica solo boto3/aioboto3, [azure] e [gcp] fanno lo stesso per i rispettivi SDK, e [all] installa tutto. Il pacchetto core senza extra fornisce comunque il motore del grafo, l'ontologia, il normalizzatore e i renderer dei report.
Gli scanner esterni (Prowler, Checkov, Trivy, ScoutSuite) sono eseguibili separati, non dipendenze Python. install.sh (Linux/macOS) e install.bat (Windows) configurano tutto, inclusi gli scanner e le CLI cloud.
Docker è la via più pigra: l'immagine include Prowler, Checkov e Trivy (ScoutSuite non è incluso, quindi eseguilo separatamente e passa il suo report a cloudg ingest):
docker build -t cloudg:latest .
docker compose run --rm cloudg run -p aws --regions us-east-1
cloudg map risponde a una domanda diversa rispetto a cloudg run: cosa esiste e come è interconnesso. Scoprire cosa non va resta compito degli scanner, e nessuno di essi viene eseguito qui né deve essere installato. Ciò che rende completa la mappa: