Autowasp安装与配置指南
1. 项目基础介绍
Autowasp是一个Burp Suite的扩展工具,它将OWASP Web Security Testing Guide (WSTG)与Burp Scanner的问题记录集成在一起,提供了一个现代化的网络安全测试流程。这个工具旨在帮助新的渗透测试人员了解网络安全最佳实践,并自动化OWASP WSTG的检查。
主要编程语言:Java
2. 项目使用的关键技术和框架
- Burp Suite Extender APIs:用于扩展Burp Suite功能的应用程序编程接口。
- Apache Commons Collections/Compress:用于集合操作和压缩功能。
- GSON:用于JSON解析。
- Jsoup:用于解析HTML文档。
- Apache POI:用于处理Microsoft Office文档。
- XMLBeans:用于处理XML文档。
3. 项目安装和配置的准备工作
在开始安装Autowasp之前,您需要做一些准备工作:
- 确保您的计算机上已经安装了Java Development Kit (JDK)。
- 下载并安装Burp Suite Professional版本。
- 安装Git版本控制系统(如果使用命令行安装方式)。
安装步骤
使用IntelliJ IDEA安装
-
克隆仓库到您选择的目录:
git clone https://github.com/govtech-csg/Autowasp.git -
打开IntelliJ IDEA,可以选择导入项目或者打开项目。
-
进入“文件” -> “项目结构”。
-
在“主类”下,选择
BurpExtender (burp)。 -
在“项目设置”下选择“构件”,点击“+”号,添加“JAR”,并选择“从模块及其依赖项...”。
-
在“主类”下,再次选择
BurpExtender (burp)。点击“确定”。 -
在“项目设置”下,选择“模块”,将
/src/main/resources添加为项目资源。 -
点击右下角的“应用”并关闭“项目设置”。
-
点击“构建项目” -> “构建项目”。
-
autowasp.jar文件将会被构建在/Autowasp/out/artifacts/autowasp_jar/autowasp.jar。
使用命令行安装
-
克隆仓库到您选择的目录:
git clone https://github.com/govtech-csg/Autowasp.git -
运行以下命令:
cd Autowasp mvn clean compile assembly:single -
autowasp.jar文件将会被构建在/Autowasp/target/autowasp-1.0-SNAPSHOT-jar-with-dependencies.jar。
安装到Burp Suite
-
下载发布构建的JAR文件。
-
打开Burp Suite。
-
点击顶部的“Extender”。
-
在“扩展”标签下点击“添加”。
-
在“扩展详情”中点击“选择文件”,选择Autowasp JAR文件,然后点击“下一步”。
-
如果没有输出或错误,您应该在顶部看到一个名为“Autowasp”的新标签。
按照以上步骤操作,您就可以成功安装并配置Autowasp项目了。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00