threat-designer 的项目扩展与二次开发
2025-07-04 04:21:26作者:董宙帆
项目的基础介绍
threat-designer 是一个由 AWS 实验室开源的生成式 AI 应用程序,旨在自动化和优化威胁建模过程,以支持安全系统设计。该应用通过分析系统架构,识别潜在的安全威胁,并生成详细的威胁模型。threat-designer 的引入,使得开发人员和安全专家能够从开发的最初阶段无缝地融入安全考虑,提升效率及系统的弹性。
项目的核心功能
- 提交架构图并分析威胁:用户可以上传系统架构图,由 threat-designer 分析并识别其中的潜在安全威胁。
- 通过用户界面更新威胁建模结果:用户可以通过界面编辑和补充信息,以更新威胁建模的结果。
- 基于编辑和额外输入的重放威胁建模:用户可以根据自己的编辑和新增的输入信息重新进行威胁建模。
- 导出结果:用户可以将建模结果导出为 PDF 或 docx 格式。
- 探索历史威胁模型:通过“威胁目录”页面,用户可以查看过去的威胁模型。
项目使用了哪些框架或库?
threat-designer 项目主要使用了以下框架或库:
- AWS 服务:包括 AWS Amplify、Amazon API Gateway、Amazon Cognito、AWS Lambda、Amazon DynamoDB 和 Amazon S3。
- Node.js:作为后端服务的主要运行环境。
- Python:可能用于数据处理或某些后端服务。
- Terraform CLI:用于基础设施的自动化部署。
- 其他:项目还使用了诸如 curl、jq 等工具,以及一些配置文件如 .babelrc、.eslintrc.json 等。
项目的代码目录及介绍
项目的代码目录结构大致如下:
.
├── CODE_OF_CONDUCT.md
├── CONTRIBUTING.md
├── LICENSE
├── README.md
├── assets
├── backend
│ ├── app
│ ├── authorizer
│ ├── dependencies
│ └── threat_designer
├── deployment.sh
├── destroy.sh
├── index.html
├── infra
├── package.json
├── public
├── src
└── vite.config.js
backend:包含后端应用程序的代码。frontend:可能位于public和src目录下,负责用户界面的实现。infra:包含基础设施的配置文件,如 Terraform 文件。deployment.sh和destroy.sh:分别是部署和销毁基础设施的脚本。README.md:项目的说明文档。
对项目进行扩展或者二次开发的方向
- 增强分析能力:可以集成更多的安全分析工具和框架,以提升威胁建模的准确性和全面性。
- 用户界面优化:改进用户界面,使其更加直观易用。
- 模型扩展:扩展当前使用的 AI 模型,或集成其他 AI 服务,以支持更多种类的系统架构分析。
- 多语言支持:增加对多种编程语言的支持,以适应更广泛的用户需求。
- 自动化部署:优化部署流程,实现更自动化、更高效的部署方案。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
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++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
305
118
昇腾LLM分布式训练框架
Python
178
221