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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00