mrwadams/stride-gpt
An AI-powered threat modeling tool that leverages OpenAI's GPT models to generate threat models for a given application based on the STRIDE methodology.
解决的问题
STRIDE GPT 实现了威胁建模复杂流程的自动化。它帮助开发人员和安全团队识别潜在漏洞，将其映射到标准化的攻击者技术，并生成可操作的缓解措施，无需对应用程序架构进行耗时的手动分析。
工作原理
它利用大语言模型 (LLM) 来分析应用程序详情、代码库或架构图。您提供系统上下文（例如身份验证方法、数据敏感度或可视化图表），该工具便会应用 STRIDE 方法论来生成威胁模型、攻击树和 Gherkin 测试用例。它可以作为一个自主代理运行，探索代码库，将发现的问题映射到 MITRE ATT&CK 或 ATLAS 框架，并以 Markdown、JSON 和 SARIF 等多种格式输出结果。
适用人群
该工具专为需要对传统应用程序、生成式 AI 系统或代理式 AI 应用程序进行威胁建模，并希望将安全分析集成到现有开发工作流中的安全工程师、开发人员和架构师而设计。
主要亮点
- 代理式分析: 自主代码库探索，能够规划、分析子系统并综合分析结果。
- 标准化映射: 自动使用 MITRE ATT&CK 和 ATLAS 攻击者技术 ID 标注威胁。
- 灵活的输入: 支持文本描述、GitHub 存储库分析，以及通过嵌入式 draw.io 编辑器或图像上传进行的架构图分析。
- 全面的报告: 以 Markdown、HTML、JSON 和 SARIF 格式生成威胁模型、攻击树、DREAD 风险评分和 Gherkin 测试用例。
- 广泛的模型支持: 通过 LiteLLM 兼容各种 LLM 提供商（OpenAI、Anthropic、Google、Mistral、DeepSeek 以及本地模型）。
- 交互式体验: 提供带有 REPL 的全功能 CLI 以及用户友好的 Streamlit Web 界面。
相关
- 项目
Trampoline-AI/predict-rlmpredict-rlm 是一个 Python 库，为大型语言模型提供了一个沙盒化的状态执行环境。模型可以编写并执行 Python 代码、维护可变状态、调用专用子模型，并使用各种工具与技能（例如 PDF 处理、电子表格）。该框架会记录完整的追踪信息以供观察，并可将这些追踪数据馈送至如 GEPA 等优化工具。它专为复杂的多步骤工作流程（如文档分析、审计或电子表格自动化）而设计，并支持选用的 Docker 沙盒与丰富的回调机制。
- 项目
CyberStrikeus/CyberStrikeCyberStrike 是一个开源 AI 智能体，可将任何 LLM（Claude、GPT、Gemini 等）转换为自主渗透测试平台。它添加了专注于安全的“智能层”，提供 13 多个专业智能体和 7,600 多个已签名的安全技能文件，支持 150 多个 AI 提供商（包括离线模型），并可以在本地或远程 Bolt 服务器上编排实际工具。TUI、可选的 Web UI 和内置的 HackBrowser 完善了工作流程。
- 项目
Kritt-ai/open-krittopen·kritt 是一个开源、自托管平台，通过 Codex、Claude Code、Grok Build 等方式编排 AI 代理，在代码仓库上运行自定义、提示驱动的安全工作流。它构建专注任务，在并行的 Docker 容器中执行，验证发现结果，去重并排序，最终导出完整的报告包。专为漏洞赏金研究人员和 DevSecOps 设计，提供 Web UI 和无头 CLI，支持任意模型提供者，采用 AGPL-3.0 许可证发布。
- 项目
vllm-project/guidellmGuideLLM 是一个 Python 库（也可作为容器使用），针对真实工作负载对 LLM 推理进行基准测试。它驱动可配置的流量模式到 OpenAI 兼容或 vLLM 服务器，支持合成和真实的多模态数据集，记录详细的延迟/令牌指标，并输出 JSON/CSV/HTML 报告，用于容量规划和 SLO 验证。
- 项目
WecoAI/aidemlAIDE ML 是一个开源 Python 包，实现了由 LLM 指导的树搜索代理，用于自动编写、调试和基准测试机器学习代码。用户指定数据集、自然语言目标和评估指标；代理迭代生成和优化 Python 脚本，基于指标反馈修剪搜索树。该仓库包括 CLI、Streamlit UI、HTML 可视化、Docker 和本地 LLM 支持，既适用于代理架构的研究，也适用于实际的 ML 流水线生成。