🛡️ Framework Severitas

Severitas è un framework autorizzato per la sensibilizzazione e la simulazione di social engineering. È strutturalmente vincolato a essere eseguito esclusivamente all'interno di ambienti di laboratorio isolati contro identità sintetiche.

---

💎 Caratteristiche

Severitas isola logicamente l'esecuzione delle valutazioni affinché la valutazione di sicurezza non comprometta l'infrastruttura aziendale o i dati reali.

• 🎛️ Interfaccia interattiva in stile Kali: Launcher console dinamico per sfogliare, convalidare ed eseguire rapidamente esercizi di formazione.
• 🧪 Laboratorio a rete zero: Server Mail, Web e DNS sintetici integrati che funzionano interamente sul tuo adattatore di loopback.
• 🛑 Scarto strutturale: I dati dei moduli in entrata vengono convalidati, misurati per la telemetria di interazione e immediatamente eliminati dalla memoria. Nessun valore di credenziale viene mai conservato o scritto su disco.
• 📊 Analisi e reportistica offline: Assemblaggio automatizzato di mappe cronologiche del funnel delle minacce, riepiloghi temporali e approfondimenti sull'efficacia dei controlli in formati puliti HTML, Markdown, JSON e CSV.

---

🏗️ Architettura del repository

Il codebase separa i livelli delle policy di autorizzazione dai cicli di esecuzione business:

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

---

🔒 Sicurezza strutturale by design

A differenza degli strumenti di tipo advisory, Severitas garantisce le metriche di conformità in modo strutturale:

1. Allow-listing dei target (severitas.scope): Le campagne falliscono in modo sicuro a meno che i target non corrispondano perfettamente alle definizioni di test sintetiche designate (*.local, *.test, *.invalid).
2. Zero conservazione delle credenziali (severitas.security.guards): Il percorso di invio conta i nomi dei campi ma scarta completamente le variabili prima che i record vengano trasferiti o che la telemetria venga acquisita.
3. Filtro di redazione: Un blocco globale di logging regex intercetta fughe accidentali (JWT, token API, chiavi private) e le rimuove dinamicamente.

---

⚡ Avvio rapido

Prerequisiti

• Python 3.11 o superiore
• PyYAML (incluso e bloccato nei requisiti predefiniti)

Installazione

Clona questo layout del repository e compila il tuo link di sviluppo in un'istanza container isolata o in un virtualenv locale:

# Initialize development profile 
python3 -m venv .venv
source .venv/bin/activate

# Install in editable mode
pip install -e .

Controlli CLI diretti

Severitas include utilità terminale rapide per predisporre immediatamente i template di laboratorio:

# 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

---

📊 Mockup del funnel di interazione

Durante la compilazione delle cartelle di output analitico, il sistema di reportistica offline misura le coorti di consapevolezza degli utenti utilizzando grafici inline simili a questo formato:

Targets simulated        ████████████████████████████████████████ 25
Messages simulated       ████████████████████████████████████████ 25
Interactions             ██████████████████████████              18
Clicks / visits          ████████████████████                    15
Synthetic submissions    ██████████████                          9
User reports             ████████                                5

---

📜 Note legali e disclaimer

Questo framework è costruito rigorosamente per simulazioni educative autorizzate, benchmark di tracciamento dell'infrastruttura ed esercizi di convalida della formazione. Il test contro host pubblici o popolazioni reali di utenti senza esplicite Rules of Engagement (ROE) e approvazione documentata è severamente proibito. Il codice è distribuito secondo i termini della Licenza MIT.