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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-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