SysReptor项目中自定义漏洞严重性等级的实现方法
2025-07-07 03:00:09作者:申梦珏Efrain
在安全测试和渗透测试报告中,漏洞严重性等级的划分是非常重要的一环。SysReptor作为一款优秀的报告生成工具,提供了灵活的漏洞严重性等级配置方式,让安全团队能够根据实际需求自定义展示形式。
内置严重性等级字段
SysReptor最新版本已经内置了一个预定义的severity
字段,这是一个枚举类型(enum)字段,包含以下标准等级值:
- 严重(Critical)
- 高危(High)
- 中危(Medium)
- 低危(Low)
- 信息(Info)
这个内置字段相比自定义枚举字段有更好的系统集成度,例如在漏洞列表中会显示对应的颜色标识,便于快速识别不同严重等级的漏洞。
自定义严重性等级的实现
虽然系统提供了内置字段,但用户仍然可以根据需要创建自定义的严重性等级字段。实现步骤如下:
- 在项目设置中创建一个新的枚举类型字段
- 为该字段定义所需的严重性等级选项
- 在报告模板中引用该字段
数据可视化展示
SysReptor支持将严重性等级数据以图表形式展示。以下是创建一个饼图来展示各等级漏洞分布的示例代码:
<figure>
<chart :width="15" :height="10" :config="{
type: 'pie',
data: {
labels: ['严重', '高危', '中危', '低危', '信息'],
datasets: [{
data: [
findings.filter(f => f.severity === 'critical').length,
findings.filter(f => f.severity === 'high').length,
findings.filter(f => f.severity === 'medium').length,
findings.filter(f => f.severity === 'low').length,
findings.filter(f => f.severity === 'info').length
],
backgroundColor: [
cssvar('--color-risk-critical'),
cssvar('--color-risk-high'),
cssvar('--color-risk-medium'),
cssvar('--color-risk-low'),
cssvar('--color-risk-info')
]
}]
}
}" />
<figcaption>已识别漏洞的分布情况</figcaption>
</figure>
使用技巧与注意事项
-
字段命名一致性:使用自定义字段时,确保模板中引用的字段名称与实际创建的字段名称一致
-
颜色匹配:系统提供了标准的风险等级颜色变量(--color-risk-*),建议保持颜色与等级的一致性
-
图表类型选择:除了饼图,还可以使用柱状图、折线图等多种形式展示漏洞分布
-
数据统计:对于内置的severity字段,系统会自动计算各等级数量;自定义字段需要手动统计
-
模板兼容性:在设计报告模板时,要考虑不同项目可能使用不同严重性等级字段的情况
通过合理配置SysReptor的严重性等级展示方式,安全团队可以生成更符合内部规范、更具可读性的测试报告,有效提升报告的专业性和实用性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GLM-V
GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement LearningPython00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0107AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile010
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
213
2.21 K

暂无简介
Dart
521
115

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
978
578

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
552
86

Ascend Extension for PyTorch
Python
65
94

React Native鸿蒙化仓库
JavaScript
209
285

openGauss kernel ~ openGauss is an open source relational database management system
C++
147
194

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399