Skip to content
KitploitKITPLOIT
도구익스플로잇블로그
Log in
제출
도구익스플로잇블로그
제출

해킹, 침투 테스트 및 사이버 보안 도구를 당신의 보안 무기고에!

Kitploit은 해킹, 사이버 보안 및 침투 테스트 도구 디렉토리입니다. 최신 프로젝트 업데이트를 발견하여 취약점을 찾고, 시스템을 분석하고, 테스트를 자동화하고, 보안을 강화하세요.

피드문의개인정보© 2026 Kitploit

도구 디렉토리

카테고리

모든 카테고리 보기
Loading categories
도구/GitHubGitHub/owasp/ai-threat-modeler
Defensive ToolsVulnerability AnalysisThreat IntelligencePapers & ResearchAI Security
GitHubowasp/ai-threat-modeler

AI-Threat-Modeler

AI 지원 위협 모델링을 위한 OWASP 프로젝트로, 팀이 시스템 설계에서 보안 위협과 완화책을 식별, 분석, 문서화하도록 지원합니다.

저장소 보기
210928일 전아직 검토되지 않음
공유

AI Threat Modeler

코드베이스를 지정하세요. 코드에 근거한 위협 모델을 돌려받으세요 — 검토하고, 이의를 제기하고, 조치할 준비가 된 상태로. 코드가 볼 수 없는 부분 — 비즈니스 맥락과 그 뒤의 아키텍처 — 는 바로 여러분과 여러분의 아키텍트가 개입할 지점입니다.

ZIP을 업로드하거나 GitHub 저장소를 가져오면, AI Threat Modeler가 STRIDE 스타일의 위협 모델 산출물을 생성합니다: 데이터 흐름 다이어그램, 후보 위협, 그리고 리스크 레지스트리 — AI 에이전트가 실제 코드에서 근거를 찾을 수 있을 때마다 정확한 소스 파일과 줄 번호로의 링크와 함께 제공됩니다. 선택적인 적대적 검증 단계는 코드 근거가 없는 발견 사항을 제거합니다.

실제 코드에 근거한 위협 모델링을 원하는 AppSec 팀을 위해 만들어졌습니다 — 추적 가능하고, 검토 가능하며, 항상 최신 상태를 유지합니다.

이것이 무엇이고, 무엇이 아닌지

여러분이 무엇을 얻는지 분명히 하세요. 그 구분이 중요하기 때문입니다:

  • 이것은 코드에 근거한 AI 위협 모델러입니다. 코드베이스를 DFD + STRIDE 발견 사항 + 리스크의 출발점 카탈로그로 바꾸며, 각 항목은 실제 file:line에 고정됩니다.
  • 이것은 코드에 근거합니다. 우리의 작업 원칙은 짧고 구체적입니다: 위협을 식별하고, 코드에서 진실의 근거를 찾고, 그에 따라 조치하세요. 모든 발견 사항은 실제 file:line에 고정되며, 코드 근거가 없는 주장은 제거됩니다. 결과물은 여러분의 팀이 조치할 수 있는 구체적이고 검토 가능한 입력입니다 — 코드가 진실의 원천이며, 여러분의 팀이 그것에 대해 조치할 판단을 더합니다.

얻는 가치는 투입한 것에 비례하며(garbage in, garbage out), 여러분의 팀이 발견 사항에 얼마나 진지하게 조치하는지에 비례합니다 — 다이어그램을 검증하고, 코드에 비추어 주장을 교차 검증하고, 코드베이스 밖에 존재하는 비즈니스/설계 맥락을 추가하는 것입니다. 전체 워크플로와, 기존에 수작업으로 만든 위협 모델에 대해 우리가 충분히 잘했는가 점검으로 사용하는 방법은 출력 사용 방법 을 참조하세요.

📹 데모

Demo video

또는 파일 페이지에서 시청하세요.

3단계로 사용해 보기

Docker와 지원되는 제공자 중 하나의 API 키가 필요합니다 — Anthropic (Claude), OpenAI, 또는 오픈 가중치 모델(Kimi, GLM, DeepSeek)을 실행하기 위한 DeepInfra.

  1. 환경을 설정하세요. env 파일을 복사하고 무작위 JWT_SECRET을 추가하세요:

    cp .env.example .env
    echo "JWT_SECRET=$(openssl rand -hex 32)" >> .env
    
  2. 빌드 및 시작:

    docker-compose up -d --build
    
  3. **http://localhost:3000**을 열고 admin / admin으로 로그인한 뒤, Settings에서 API 키를 추가하고 저장소를 제출하세요.

👉 **처음이신가요? 시작 가이드**를 따라 스크린샷 수준의 자세한 전체 안내를 확인하세요.

제공되는 것

작업이 완료되면 보고서를 여세요 — 최종 판정이 아닌 검토용 아티팩트 모음입니다:

탭내용
데이터 흐름 다이어그램신뢰 경계가 포함된 대화형 다이어그램. 노드를 클릭하면 관련 후보 위협과 소스 파일을 볼 수 있습니다. 먼저 실제 아키텍처와 대조해 검증하세요 — 잘못된 다이어그램을 기반으로 한 발견 사항은 신뢰할 수 없습니다.
위협 모델심각도, 완화 방안, Location(file:line, 스니펫, GitHub에서 가져온 경우 GitHub 링크)이 포함된 후보 STRIDE 위협. 각 항목을 결론이 아닌 코드에서 검증할 가설로 취급하세요.
위험 레지스트리위협과 상호 연결된 위험 및 교정 계획 — 팀의 의사 결정과 교정 추적을 위한 원자료입니다.

PDF, CSV(Excel 친화적), JSON으로 내보낼 수 있어, 발견 사항을 이슈 트래커와 공식 위협 모델링 실무에 반영할 수 있습니다.

작동 방식

모든 작업은 짧은 단계 → 실행 흐름을 거쳐 AI가 코드뿐 아니라 배포 환경까지 이해하도록 합니다:

  1. 분석 — 앱이 여섯 개의 편집 가능한 컨텍스트 필드(프로젝트 요약, 보안 컨텍스트, 배포 컨텍스트, 개발자 가이드, 제안 제외 항목, 메모)를 자동으로 채웁니다. 이것이 가장 영향력 큰 입력입니다 — 실제 배포 및 비즈니스 컨텍스트로 편집하세요. 아티팩트의 품질은 입력한 내용의 품질을 넘지 못합니다.
  2. 실행 — 에이전트가 전체 STRIDE 아티팩트를 생성하고 대시보드에 실시간 상태를 표시합니다. 그런 다음 팀이 검토합니다(출력물 사용 방법 참고).

모델 제공자

예산과 규정 준수 요구에 맞는 제공자의 키를 직접 가져오세요 — Settings에서 제공자와 모델을 선택합니다:

  • Anthropic (Claude) 및 OpenAI — 호스팅된 프런티어 모델.
  • DeepInfra — 오픈 가중치 모델. HIPAA 및 SOC 2 인증 추론 클라우드에서 OpenAI 호환 API 뒤에 Kimi, GLM, DeepSeek 계열을 실행합니다. 모델 선택기는 각 옵션을 백만 토큰당 가격 및 컨텍스트 윈도우와 함께 표시하며, 작업별 비용이 정확히 보고됩니다. 오픈 가중치 모델은 훨씬 저렴할 수 있습니다 — DeepSeek V4 Flash의 일반적인 작업 비용은 달러가 아닌 센트 단위입니다.

인스턴스별로 reasoning_effort를 조정하고 적대적 2차 패스를 켜거나 끌 수도 있습니다. 설정 참조를 참고하세요.

문서

가이드대상
시작하기처음 사용하는 사용자 — 설치부터 첫 보고서까지
GitHub에서 가져오기공개 및 비공개 저장소, 브랜치, 제한 사항
설정 참조비용, 깊이, 제공자 조정
문제 해결문제가 발생했을 때
기능전체 기능 목록
배포프로덕션에서 Docker Compose로 실행
SETUP.mdDocker 없이 로컬 개발
CHANGELOG.md릴리스 이력

전체 문서 색인: docs/. 대화형 API 명세: http://localhost:3001/api-docs (백엔드 실행 중일 때).

기여 / 개발

npm test                                             # backend + frontend unit tests
cd frontend && npm run e2e:install && npm run e2e    # Playwright end-to-end tests

전체 개발 환경(Node 18+, Docker 없이)은 SETUP.md를 참조하세요.

도구 다운로드

인기

모두 보기 →

커뮤니티에서 가장 많이 사용되는 도구를 찾아보세요.

아직 인기 데이터가 없습니다.

모든 도구 탐색

도구 컬렉션을 둘러보세요

모든 도구 보기 →