立项背景与目标:传统安全测试人工研判效率低、误报较多,本软件目标是开发一款本地运行的自动化漏洞分析软件,整合扫描、AI 研判、人工复核、报告生成一体化能力,辅助授权靶场安全学习与测试工作。
软件核心功能:软件支持源码压缩包离线审计、在线靶标检测两种测试模式;内置浏览器可完成目标访问、抓包与数据包修改;AI 研判模块调用本地 Ollama Qwen2.5:7b,仅[localhost](https://localhost)本机调用,研判误报率控制在 9% 以内,配备规则启发式兜底研判;内置多角色权限、操作审计日志、MOCK 联调演示模式,支持快速、标准、深度三档扫描策略,可自动生成漏洞报告,支持深浅双主题界面。
业务流程:启动软件进入登录控制台,通过任务编排新建检测任务,执行扫描检测,AI 模块自动完成风险研判,交由复核人员人工审核,最后在报告模块生成漏洞报告,全部操作留存审计日志。本软件仅用于授权安全测试、靶场学习研究。
整体架构和设计思路:软件主后端采用 SpringBoot (Java),集成 Python 复现模块、Go 扫描模块,采用分层包结构,划分 auth、capture、common、config、domain、repo、service、terminal、web 模块,实现业务解耦。
个人负责模块:独立完成该软件全部架构设计、后端业务编码、本地大模型对接、抓包改包模块、任务编排、多角色权限审计、漏洞报告生成、界面双主题切换等全部开发工作。
难点与解决方案:针对本地大模型研判误报偏高问题进行调优,将误报率控制在 9% 以内;增加规则引擎兜底,Ollama 模型异常时仍可执行启发式研判;新增 MOCK 模式,演示联调时不建立真实会话,避免误发起探测请求。