将它指向一个代码库。获得一个基于代码的威胁模型——可供审查、质疑并采取行动。代码无法看到的部分——业务上下文及其背后的架构——正是你和你的架构师需要介入的地方。
上传 ZIP 或导入 GitHub 仓库,AI 威胁建模器会生成一个 STRIDE 风格的威胁建模产物:数据流图、候选威胁和风险登记表——只要 AI 代理能在真实代码中定位,就会附带指向确切源文件和行号的链接。可选的对抗性检查会剔除没有代码证据的发现。
专为希望威胁建模基于实际代码的 AppSec 团队打造——可追溯、可审查,且始终保持最新。
请明确你将获得什么,因为这一区别很重要:
file:line。file:line,没有代码证据的声明会被剔除。结果是具体、可审查的输入,你的团队可以据此行动——代码是真相的来源,而你的团队提供判断力来采取行动。你获得的输出价值与你投入的内容成正比(垃圾进,垃圾出),也与你的团队对发现采取行动的认真程度成正比——验证图表、对照代码三角验证声明,并补充代码库之外的业务/设计上下文。完整工作流程请参见 如何使用输出,以及如何将其用作对照现有手工构建威胁模型的我们做得够不够好检查。
或在文件页面观看。
你需要 Docker 以及受支持提供商之一的 API 密钥——Anthropic (Claude)、OpenAI 或 DeepInfra,以运行开放权重模型(Kimi、GLM、DeepSeek)。
设置你的环境。 复制环境文件并添加一个随机 JWT_SECRET:
cp .env.example .env
echo "JWT_SECRET=$(openssl rand -hex 32)" >> .env
构建并启动:
docker-compose up -d --build
**打开 http://localhost:3000**,使用 admin / admin 登录,在 Settings 中添加你的 API 密钥,然后提交一个仓库。
👉 初次使用?请按照 入门指南 完成完整操作流程,其中包含详尽到截图级别的细节。
任务完成后,打开报告——这是一组供你审阅的产物,而非最终结论:
| 标签页 | 内容 |
|---|---|
| 数据流图 | 带信任边界的交互式图表;点击节点可查看相关的候选威胁和源文件。请先对照你的真实架构进行核实——基于错误图表得出的发现值得怀疑。 |
| 威胁模型 | 候选 STRIDE 威胁,包含严重程度、缓解措施和 Location(文件:行号、代码片段,从 GitHub 导入时提供 GitHub 链接)。将每一条视为需要在代码中验证的假设,而非结论。 |
| 风险登记册 | 与威胁交叉关联的风险,附带修复计划——供你的团队决策和跟踪修复的原始材料。 |
可导出为 PDF、CSV(兼容 Excel)或 JSON,以便将发现导入到你的问题跟踪器和正式记录的威胁建模实践中。
每个任务都运行一个简短的 stage → run 流程,使 AI 不仅理解你的代码,还能理解你的部署环境:
自带密钥,选择适合你预算和合规需求的提供商——在 Settings 中选择提供商和模型:
你还可以按实例调整 reasoning_effort 并切换对抗性第二轮检查。参见设置参考。
| 指南 | 适用对象 |
|---|---|
| 入门指南 | 初次使用者——从安装到第一份报告 |
| 从 GitHub 导入 | 公开和私有仓库、分支、限制 |
| 设置参考 | 调整成本、深度和提供商 |
| 故障排除 | 出现问题时 |
| 功能 | 完整功能列表 |
| 部署 | 在生产环境中使用 Docker Compose 运行 |
| SETUP.md | 不使用 Docker 的本地开发 |
| CHANGELOG.md | 发布历史 |
完整文档索引:docs/。交互式 API 规范:**http://localhost:3001/api-docs**(后端运行时)。
npm test # backend + frontend unit tests
cd frontend && npm run e2e:install && npm run e2e # Playwright end-to-end tests
完整的开发环境(Node 18+,不使用 Docker)请参见 SETUP.md。