🛡️ Severitas 프레임워크

Severitas는 승인된 사회공학 인식 및 시뮬레이션 프레임워크입니다. 합성 신원을 대상으로 격리된 실험실 환경 내에서만 실행되도록 구조적으로 제한됩니다.

💎 기능

Severitas는 보안 평가가 기업 인프라나 실제 데이터를 훼손하지 않도록 평가 실행을 논리적으로 격리합니다.

🎛️ Kali 스타일 대화형 UI: 훈련 과제를 빠르게 탐색, 검증, 실행할 수 있는 동적 콘솔 런처.
🧪 제로 네트워크 실험실: 루프백 어댑터에서 전적으로 실행되는 내장 합성 Mail, Web, DNS 서버.
🛑 구조적 폐기기: 인바운드 폼 데이터는 검증되고 상호작용 텔레메트리 측정 후 메모리에서 즉시 삭제됩니다. 자격 증명 값은 절대 보관되거나 디스크에 기록되지 않습니다.
📊 오프라인 분석 및 보고: 시간순 위협 퍼널 맵, 타임라인 요약, 통제 효과성 인사이트를 깔끔한 HTML, Markdown, JSON, CSV 형식으로 자동 구성합니다.

🏗️ 저장소 아키텍처

코드베이스는 권한 부여 정책 계층과 비즈니스 실행 루프를 분리합니다:

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

🔒 설계에 의한 구조적 안전성

자문 도구와 달리 Severitas는 규정 준수 지표를 구조적으로 보장합니다:

대상 허용 목록 (severitas.scope): 대상이 지정된 합성 테스트 정의(*.local, *.test, *.invalid)에 완벽하게 매핑되지 않으면 캠페인은 실패 시 차단됩니다.
자격 증명 무보관 (severitas.security.guards): 제출 경로는 필드 이름을 계산하지만 레코드 전환 또는 텔레메트리 캡처 전에 변수를 완전히 폐기합니다.
리댁션 필터: 전역 정규식 로깅 차단이 우발적 유출(JWT, API 토큰, 개인 키)을 포착하여 동적으로 제거합니다.

⚡ 빠른 시작

사전 요구 사항

Python 3.11 이상
PyYAML (기본 요구 사항에 포함 및 고정됨)

설치

이 저장소 레이아웃을 복제하고 격리된 컨테이너 인스턴스 또는 로컬 virtualenv에서 개발 링크를 컴파일하세요:

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

# Install in editable mode
pip install -e .

직접 CLI 제어

Severitas는 실험실 템플릿을 즉시 프로비저닝할 수 있는 빠른 터미널 유틸리티를 포함합니다:

# 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

📊 상호작용 퍼널 목업

분석 출력 폴더를 컴파일할 때, 오프라인 보고 시스템은 다음 형식과 유사한 인라인 차트를 사용하여 사용자 인식 코호트를 측정합니다:

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

📜 법적 고지 및 면책 조항

이 프레임워크는 승인된 교육용 시뮬레이션, 인프라 추적 벤치마크, 훈련 검증 과제를 위해 엄격히 제작되었습니다. 명시적 교전 규칙(ROE)과 문서화된 승인 없이 공용 호스트 또는 실제 사용자 집단을 대상으로 테스트하는 것은 엄격히 금지됩니다. 이 코드는 MIT 라이선스 조건에 따라 배포됩니다.

severitas

인기