STRIDE GPT 是一款基于人工智能的威胁建模工具，它利用大型语言模型 (LLM)，根据 STRIDE 方法论为给定应用程序生成威胁模型和攻击树。用户提供应用程序的详细信息，例如应用程序类型、身份验证方法、应用程序是否面向互联网或处理敏感数据。然后，模型会根据提供的信息生成输出。

目录

• 支持项目
• 功能特性
• 企业部署
• Open Security Summit 演讲
• 更新日志
• 安装
• 仓库布局
• 使用方法
  • 交互式 REPL 速查表
• 示例输出
• 安全最佳实践
• 贡献
• 许可证

支持项目

如果您发现 STRIDE GPT 有用，请考虑支持该项目：

• ⭐ 在 GitHub 上给仓库加星，帮助更多人发现这个工具
• ☕ 请我喝杯咖啡，支持持续的开发与维护

功能特性

• 自主代码库分析：将 CLI 指向一个代码库，即可获得自主深入的 STRIDE 威胁模型——代理会规划、探索并在子系统间综合发现结果
• CLI 和交互式 REPL：功能完备的终端体验，支持制表符补全、历史记录和实时进度——无需浏览器
• 简单易用的 Streamlit 网页界面
• 基于 STRIDE 方法论生成威胁模型
• 自主 AI 支持：针对自主 AI 系统的专门威胁建模，集成 OWASP 自主应用十大风险 (ASI)
• 生成式 AI 支持：针对 GenAI 应用的威胁建模，集成 OWASP LLM 十大风险
• MITRE ATT&CK 与 ATLAS 映射：威胁被标注上标准化的对手技术 ID（传统基础设施攻击使用 MITRE ATT&CK Enterprise，ML/LLM 特定攻击使用 ATLAS）——在 Markdown 中以列形式呈现，在 HTML 中以链接药丸形式呈现，在 SARIF 中以 mitre_attack 属性形式呈现
• 架构模式检测：根据应用描述自动检测 RAG 管道、多代理系统、代码执行环境、工具生态系统等（灵感来源于 CSA MAESTRO）
• 嵌入式 draw.io 图表编辑器：直接在 STRIDE-GPT 中使用集成的 diagrams.net 编辑器创建和编辑架构图——无需额外工具。图表作为 XML 解析，以提取组件、连接和信任边界，为威胁模型生成提供比纯图像分析更丰富的上下文。现有的图像上传工作流程保持不变。默认情况下，编辑器从托管的 embed.diagrams.net 加载；对于自托管或离网部署，可通过 STRIDE_GPT_DRAWIO_URL 环境变量指向您自己的 draw.io 实例
• 多模态：使用架构图、流程图等作为威胁建模输入，适用于所有支持视觉能力的模型
• 数据流图：根据应用描述生成 DFD（或解析上传的 DFD 图像），实时编辑 Mermaid 源代码，并将确认的图表作为权威系统模型反馈到威胁模型和攻击树提示中。CLI 的 /analyze 命令在输出结果的同时也会生成系统级 DFD
• 生成攻击树以枚举可能的攻击路径
• 针对已识别威胁提出可能的缓解措施
• 支持对已识别威胁进行 DREAD 风险评分
• 基于已识别威胁生成 Gherkin 测试用例
• GitHub 仓库分析，实现全面的威胁建模（包括 GitHub Enterprise 支持）
• 多种输出格式：Markdown、JSON、SARIF（可导入 GitHub、GitLab、Azure DevOps、IDE）以及独立的 HTML 视图，便于与利益相关者共享
• 高级推理模型支持（OpenAI GPT-5.4/5.5 系列、Anthropic Claude 4.6/4.8 扩展思维、Google Gemini 3、Mistral Magistral 系列）
• 通过 LiteLLM 提供全面的 LLM 提供商支持：OpenAI、Anthropic、Google AI、Mistral、Groq、DeepSeek，以及通过 LM Studio Server 进行本地托管
• 无数据存储；应用程序详细信息不保存
• 提供 Docker 容器镜像，便于部署
• 支持环境变量以实现安全配置

企业部署

想要为您的组织定制 STRIDE-GPT？请查阅我们全面的运营指南，了解如何：

• 🎯 注入组织安全控制与标准
• 📋 根据合规要求定制威胁模型
• 🔧 分叉并在内部部署 STRIDE-GPT
• 📊 获得适合您特定环境的上下文感知、可操作的威胁模型

该指南包含逐步说明、代码示例以及面向希望在其团队中扩展 AI 驱动威胁建模的组织的部署模式。

Open Security Summit 演讲

2024 年 1 月，我在 Open Security Summit 上做了一个关于 STRIDE GPT 的演讲。在演讲中，我讨论了项目的起源、核心功能、近期更新以及一些未来计划。您可以在下面观看完整演示：

对于有兴趣了解 STRIDE GPT 工作原理以及如何利用它改进威胁建模的人来说，该视频是一个极好的资源。

更新日志

版本 0.19 (最新)

• --version 标志 (#161)：stride-gpt --version 现在会打印已安装的版本并退出，交互式 TUI 横幅会显示正在运行的版本，以便您一目了然地确认当前版本。
• 依赖管理整合为 uv (关闭 #155)：uv.lock 现在成为所有依赖项的单一事实来源。重复的 requirements.txt 文件已退役；Docker UI 镜像和安全扫描工作流通过 uv export 从 uv.lock 安装依赖，因此发布的内容和扫描的内容不再与锁定的内容产生偏差。pip install stride-gpt 用户无需更改。
• 文档：在 README 中添加了示例威胁模型 Markdown 输出 (#151) 和交互式 REPL 速查表 (#163)。

版本 0.18

• 嵌入式 draw.io 图表编辑器 (#132, #138)：Streamlit 威胁模型选项卡现嵌入 diagrams.net 编辑器，您可以在应用中绘制架构图；保存时，图表 XML 将被解析（组件、连接、信任边界）并整合到威胁模型提示中。GitHub 分析、图像上传、图表编辑器以及 AI 辅助引导构建器被统一为一个标签式的“描述您的应用”部分，位于单个描述画布之上，因此可选输入不再挤占主要描述字段。引导构建器现在调用所选模型来草拟描述并提出缺失的安全相关细节，取代了之前的静态模板和覆盖检查。对于自托管或离网部署，编辑器主机可通过 STRIDE_GPT_DRAWIO_URL 配置（默认为 embed.diagrams.net），iframe 的 postMessage 来源限定为该主机，不受信任的图表 XML 使用 defusedxml 进行解析。
• DeepSeek 提供商支持 (关闭 #133)：DeepSeek 现在在 CLI 设置向导和 Streamlit UI 中都是一流的模型提供商，提供 deepseek-v4-pro 和 deepseek-v4-flash。调用通过 LiteLLM 的原生 deepseek/ 集成路由（托管端点，无需自定义基础 URL）；通过 DEEPSEEK_API_KEY 设置密钥。
• 数据流图支持 (关闭 #56)：Streamlit UI 中新增“数据流图”选项卡，可根据应用描述生成 DFD，通过支持视觉能力的模型解析上传的 DFD 图像，并渲染一个带有实时预览的可编辑 Mermaid 源代码窗格。勾选“将此 DFD 用于威胁模型”会将确认后的图表存储在会话状态中，并将其插入后续的威胁模型和攻击树提示中，作为权威系统模型——从而实现了问题所要求的描述→DFD→审查→改进威胁模型的闭环。CLI 的 /analyze 代理在综合后也会生成系统级 DFD，在 Markdown 报告中以 Mermaid 块形式呈现，在 JSON data_flow_diagram 字段中携带，并通过 CDN 加载的 Mermaid 运行库在 HTML 视图中显示。DFD 生成经过包装，确保糟糕的图表不会导致好的报告失败。
• (关闭 #92)：Streamlit UI 现在能够捕获仓库分析期间的 GitHub API 故障，而不是显示原始堆栈跟踪，并提供针对 404（包括细粒度 PAT 范围界定，即使是公开仓库也会出现 404）、401、403/速率限制和网络错误的可操作消息。仓库 URL 在解析前会进行规范化（去除尾部 和 后缀），因此 和 不再错误地返回 404。

版本 0.17

• MITRE ATT&CK 与 ATLAS 集成 (关闭 #36)：/analyze 和 /quick 发出的威胁现在可以携带来自 MITRE ATT&CK Enterprise (v17.1) 和 MITRE ATLAS (2026.05) 的标准化的对手技术 ID。两个新的渐进式披露参考卡（mitre_enterprise, mitre_atlas）指示代理仅使用目录中的 ID 和名称，消除了 ID 幻觉。参考卡通过 scripts/refresh_mitre_cards.py 从上游 STIX/YAML 重新生成，而不是通过模型回忆编写。技术 ID 在 Markdown 表格中呈现为 MITRE ATT&CK 列，在 HTML 中呈现为可点击的天蓝色药丸，在 SARIF 中呈现为 properties.mitre_attack 数组。
• HTML 报告伴侣：/analyze 和 /quick 现在除了 Markdown / JSON / SARIF 输出外，还会生成一个独立的可在浏览器中查看的 HTML 报告，适合与利益相关者共享。
• Anthropic Claude Opus 4.8：新增对 claude-opus-4-8 的支持，这是 Anthropic 最新的前沿模型，与现有的 Opus 4.7 并存。两者均可选择作为架构师或工作模型。
• UI 镜像整合：双命名空间的 Docker 设置（mrwadams/stridegpt-ui）已移除；Streamlit 网页 UI 现在仅位于 mrwadams/stridegpt。CLI 用户应通过 安装，而不是拉取容器。

版本 0.16

• 独立 CLI：STRIDE-GPT 首次作为 pip install stride-gpt 的 CLI 发布，与传统的 Streamlit 网页 UI 分离。两个主要命令：/analyze（自主代理式代码库分析，包含规划器、每个子系统的工具使用代理循环以及跨领域综合过程）和 /quick（根据书面应用程序描述进行单次威胁模型）。
• 渐进式披露参考卡：genai（OWASP LLM 十大）、agentic（OWASP ASI 十大）和 insider_threat 卡通过 YAML 前言进行自描述；代理通过 list_references 发现它们，并通过 load_reference 拉取正文。
• 双层模型路由：架构师 + 工作模型分离，实现成本效益分析，前沿模型保留用于规划和综合。
• 交互式 REPL：功能完备的终端体验，支持制表符补全、历史记录、实时进度和状态行。
• 多格式输出：Markdown、JSON 和 SARIF（可导入 GitHub、GitLab、Azure DevOps、IDE）。
• 0.16.1 补丁：将 stride_gpt/__init__.py 中的 LiteLLM 日志级别提升为 ERROR，这样在缺少 botocore 的全新安装上，Bedrock/SageMaker 的预加载警告就不会出现。

安装

选项 1：pip（仅CLI）```bash

pip install stride-gpt

这将安装 `stride-gpt` 命令。CLI 和 Streamlit 网页版现在是两个独立的产品——`pip install stride-gpt` 会给你一个轻量的 CLI，不包含 Streamlit 的痕迹。要从源码运行网页版，请参见下方的选项 2。

### 选项 2：从源码安装

1. 克隆仓库：

    ```bash
    git clone https://github.com/mrwadams/stride-gpt.git
    cd stride-gpt
    ```

2. 使用 [uv](https://docs.astral.sh/uv/) 安装（推荐——`uv.lock` 是依赖项的唯一真实来源）：   ```bash
   # CLI plus the Streamlit web UI deps
   uv sync

或者仅通过pip安装CLI: ```bash pip install -e .

3. (可选) 设置环境变量：   ```bash
cp .env.example .env

编辑 .env 文件以添加你的 API 密钥 — 或者稍后通过运行 stride-gpt 并在交互式 REPL 中使用 /config 命令，或通过 Streamlit 用户界面进行配置。

选项 3：Docker（Web 用户界面）

Streamlit Web 用户界面以 Docker 镜像形式提供：```bash docker pull mrwadams/stridegpt:latest

对于 CLI，使用 `pip install stride-gpt` — 没有单独的 CLI 镜像。如果你需要一个沙盒化的 CLI，可以基于一个最小的 Python 基础镜像自行构建。

## 仓库布局

STRIDE-GPT 被组织为一个小型单体仓库：一个共享的 Python 库，以及一个或多个使用它的应用程序。```
stride-gpt/
├── stride_gpt/    # shared library + Python CLI (core, agent loop, prompts, schemas, models)
├── apps/
│   └── web/       # Streamlit web UI
├── tests/         # pytest suite
└── pyproject.toml # single project file; web UI deps live in the `web` dependency-group

apps/ 目录是可部署额外前端的位置 — 例如，未来的 Node/TypeScript CLI 将位于 apps/web/ 旁。Python CLI 本身保留在 stride_gpt/cli.py 中，因为它与共享库紧密耦合。

用法

CLI

代理式代码库分析 — 代理自主探索代码库，规划分析路径，并生成 STRIDE 威胁模型：```bash

Analyze the current directory

stride-gpt analyze .

Specify a model and auto-approve the analysis plan

stride-gpt analyze ./my-app --worker-model anthropic/claude-sonnet-4-6 -y

Export as JSON, SARIF, or browser-viewable HTML

stride-gpt analyze . -o report.json -f json # also writes report.html alongside stride-gpt analyze . -o report.sarif -f sarif stride-gpt analyze . -o report.html -f html

> 每次分析还会自动将 JSON 和 HTML 配套文件保存到 `~/.stride-gpt/reports/analyze/`，因此即使在没有使用 `-o` 参数运行时，浏览器可查看的视图也只需一键即可访问。

> **关于成本的说明：** 代理分析非常彻底——代理在探索过程中会多次调用 LLM 并读取大量文件。令牌使用量和成本随代码库大小和所选模型而增加，在大型代码库上使用前沿模型进行完整运行可能费用高昂。在运行前请在提供商控制台中设置支出限制，并考虑在首次运行时使用更快/更便宜的模型。

**快速单次模式** — 从文本描述生成威胁模型（类似于 Streamlit UI，但在终端中）：```bash
# Read description from a file
stride-gpt quick -i app-description.txt

# Pipe from stdin
echo "A web API that processes payments..." | stride-gpt quick

交互式REPL — 启动一个带有标签补全和历史记录的交互式会话：```bash stride-gpt

在 REPL 中输入 `/help` 可查看可用命令和标志。版本号显示在启动时的 ASCII 横幅下方。有关完整的命令和快捷键参考，请参阅下面的[交互式 REPL 速查表](#interactive-repl-cheat-sheet)。

#### 交互式 REPL 速查表

使用 `stride-gpt`（不带参数）启动 REPL，然后使用以下命令和快捷键。

**命令** — 在提示符下键入斜杠命令：

| 命令 | 功能 |
|---------|--------------|
| `/analyze [path]` | 分析代码库以发现 STRIDE 威胁（裸目录路径也可以） |
| `/quick` | 通过文本描述快速创建威胁模型 |
| `/reports` | 列出之前的分析报告（`/reports <n>` 查看一个） |
| `/config` | 查看或更改设置（模型、提供商、API 密钥） |
| `/help` | 显示可用命令、标志和示例 |
| `/quit` | 退出（别名：`/exit`、`/q`） |

`/analyze`、`/quick` 和 `/reports` 支持标志：`-o`/`--output <path>`、`-f`/`--format <markdown\|json\|sarif\|html>`、`-y`/`--yes` 和 `-i`/`--input <path>`（仅 `/quick`）。输入 `/help` 查看完整列表。

**键盘快捷键：**

| 键 | 动作 |
|-----|--------|
| `Tab` | 自动补全斜杠命令和文件路径 |
| `↑` / `↓` | 滚动浏览命令历史 |
| `→` / `End` | 接受灰色历史建议 |
| `Ctrl+L` | 清屏并清除回滚缓冲区 |
| `Ctrl+C` / `Ctrl+D` | 退出 REPL |

**检查已安装的版本：**```bash
stride-gpt --version    # prints e.g. "stride-gpt 0.19.0" and exits

常用标志：

每个层级也接受 --worker-api-key / --worker-api-base / --worker-max-tokens（以及对应的 --architect-* 版本）。运行 stride-gpt analyze --help 或 stride-gpt quick --help 查看完整列表。

结构化中间文件 — 当使用 -o <路径> 时，会与报告一起生成三个 JSON 同宗文件，以便审计或供下游工具使用：

格式标志（-f）仅控制报告工件；同宗文件始终是 JSON。清单和发现中的文件路径会被脱敏（在工作目录下时显示为 ./…，在 $HOME 下时显示为 ~/…），因此清单可以安全分享。~/.stride-gpt/reports/{analyze,quick}/ 下的自动归档不受影响——只有在你传递 -o 时才会生成同宗文件。

查看以往报告：```bash stride-gpt reports # List recent reports stride-gpt reports 1 # View report #1 stride-gpt reports 1 -o r.json -f json # Export a report

### Streamlit Web UI

Web UI 是一个独立于 CLI 的应用。启动方式如下：

``````bash
streamlit run apps/web/main.py

在浏览器中打开提供的 URL 并按照屏幕上的步骤操作。

Docker```bash

docker run -p 8501:8501 --env-file .env mrwadams/stridegpt

## 示例输出

每次 `stride-gpt analyze` 和 `stride-gpt quick` 运行默认会生成一份 markdown 报告（可通过 `-f` 选项输出 JSON、SARIF 及自包含的 HTML 视图）。该 markdown 报告按子系统以 STRIDE 表格形式对威胁进行分组，添加跨组件威胁的横切部分，并以运行摘要结尾。可选列（OWASP LLM/ASI、内部人员类别、MITRE ATT&CK）仅在运行时填充了相应数据时才会显示。

以下是对一个虚构支付 API 运行后生成的 markdown 示例，供你在运行工具前了解输出结构。该输出由报告引擎真实渲染，非模拟。

<details>
<summary>示例 markdown 威胁模型（点击展开）</summary>````markdown
# STRIDE Threat Model: acme-payments-api

> Generated by STRIDE-GPT on 2026-07-16T09:42:00Z

## Overview

A Python FastAPI service that accepts card payments, stores customer profiles in PostgreSQL, and calls a third-party payment processor. Authentication is handled by JWT bearer tokens issued by an internal auth service; the API is internet-facing behind an API gateway.

## Data Flow Diagram

```mermaid
flowchart LR
    Client[Client App] -->|HTTPS + JWT| Gateway[API Gateway]
    Gateway --> API[Payments API]
    API -->|SQL| DB[(PostgreSQL)]
    API -->|HTTPS| Processor[Payment Processor]

Authentication & Authorization

Files Analyzed

• app/auth/jwt.py
• app/auth/dependencies.py

Threats

Recommendations

• Enforce role checks on every privileged route via a shared dependency, not per-handler logic.
• Rotate and store the JWT signing secret in a managed secrets store rather than an env file.

Payments & Data Storage

Files Analyzed

• app/payments/routes.py
• app/db/models.py

Threats

Recommendations

• Redact PANs before logging and route logs through a PCI-scoped sink.
• Derive the charge amount from the server-side order record, never the request body.

Cross-Cutting Threats

Summary

• Total threats identified: 5
• Subsystems analyzed: 2
• Cross-cutting threats: 1
• LLM calls: 34
• Tool calls: 58
• Architect model: OpenAI API/gpt-5.4
• Worker model: Anthropic API/claude-sonnet-4-6

</details>

`stride-gpt quick` 从文字描述生成相同的表格结构，但折叠为一个单一的 **应用** 子系统，而不是按子系统分别展示发现。

## 安全最佳实践

STRIDE GPT 专为本地单用户部署设计。使用该工具时：

### 保护您的 API 密钥

**您的 API 密钥是敏感凭据，可能让您的账户产生费用。**

✅ **应做事项：**
- 通过 UI 输入 API 密钥（它们会保留在您的浏览器会话中）
- 在个人机器上使用 .env 文件以方便操作
- 在 LLM 提供商控制面板中设置消费限额
- 定期检查您的 API 使用情况和成本
- 在共享计算机上使用时清除会话

❌ **禁止事项：**
- 将 .env 文件提交到版本控制（已在 .gitignore 中排除）
- 分享显示 API 密钥的屏幕截图
- 在不受信任/已受损的系统上运行 STRIDE GPT
- 与他人共享您的 API 密钥
- 忽略意外的 API 费用

### 数据隐私注意事项

生成威胁模型时，STRIDE GPT 会将数据发送到您选择的 LLM 提供商：
- 应用详情（类型、身份验证方法、架构）
- 系统架构描述
- 上传的架构图/图像
- 生成的威胁模型和缓解措施

**这意味着：**
- OpenAI、Anthropic、Google 等可能会根据其隐私政策记录这些数据
- 在演示时考虑使用通用/虚构的系统详情
- 查看您的 LLM 提供商的数据保留和隐私政策
- 对于敏感系统，考虑以下做法：
  - 使用本地模型（LM Studio）
  - 使用隐私保证更严格的提供商
  - 在输入前对系统描述进行脱敏处理

### 对于团队/组织部署

如果为多人部署 STRIDE GPT（非默认用例）：
- 添加身份验证/授权（默认未包含）
- 使用密钥管理服务管理 API 密钥
- 部署在 VPN 或内部网络之后
- 查阅 [SECURITY.md](https://github.com/mrwadams/stride-gpt/blob/HEAD/SECURITY.md) 文档以获取更多注意事项
- 考虑数据驻留和合规性要求
- 对生成的威胁模型实施适当的访问控制

### 依赖安全性

我们维护依赖项并监控漏洞：
- 依赖项通过 Dependabot 定期更新
- 每次提交都会运行自动化安全扫描
- 安全公告在 GitHub 安全选项卡中跟踪
- 运行 `pip-audit` 检查本地已知漏洞

请参阅 [SECURITY.md](https://github.com/mrwadams/stride-gpt/blob/HEAD/SECURITY.md) 了解全面的安全信息，包括自动化安全扫描、漏洞报告和安全开发实践。

### 报告安全问题

发现安全问题？请负责任地报告：
- 通过 GitHub 的[私有漏洞报告](https://github.com/mrwadams/stride-gpt/security/advisories/new)创建安全公告
- 不要公开发布安全问题
- 我们将在 48 小时内确认
- 修复将优先处理并快速发布

## 贡献

欢迎提交拉取请求。对于重大更改，请先开启一个议题讨论您想要更改的内容。

## 许可证

[MIT](https://choosealicense.com/licenses/mit/)