返回 主文件
本文件詳細說明系統提供的四種核心互動模式，每種模式針對不同的使用者需求與使用場景設計。
| 模式 | 目標使用者 | 互動方式 | 檢測觸發來源 | 學習性 | 自動化程度 |
|---|---|---|---|---|---|
| 模式一：引導式掃描 | 初學者、開發人員 | 選單式選擇 | 使用者主動選擇 | 中 | 低 |
| 模式二：情資驅動掃描 | 所有使用者 | 智慧建議 | 系統分析後推薦 | 中高 | 中 |
| 模式三：對話式掃描 | 學習導向使用者 | 自然語言對話 | 對話討論後決定 | 高 | 低 |
| 模式四：全自動化掃描 | 企業用戶、專業人士 | 一鍵執行 | 預設策略 | 低 | 高 |
為不熟悉資安概念的使用者提供清晰的檢測選單，將複雜的技術概念轉化為直觀的選項。
[步驟 1] 使用者輸入目標 URL
↓
[步驟 2] 系統顯示檢測項目選單
↓
[步驟 3] 使用者選擇一個或多個項目
↓
[步驟 4] 系統執行對應的檢測腳本
↓
[步驟 5] 呈現結果與解釋
┌─────────────────────────────────────────────────┐
│ 🎯 引導式掃描 - 請選擇檢測項目 │
├─────────────────────────────────────────────────┤
│ │
│ 📊 基礎資訊盤點 │
│ └─ 識別伺服器類型、開放連接埠、使用的技術 │
│ 工具：nmap, curl, WhatWeb │
│ 預估時間：2-3 分鐘 │
│ [ 選擇 ] │
│ │
│ 🔒 SSL/TLS 安全性檢查 │
│ └─ 檢測憑證有效性、加密協定強度、已知弱點 │
│ 工具：SSLyze, testssl.sh │
│ 預估時間：3-5 分鐘 │
│ [ 選擇 ] │
│ │
│ 🛡️ Web 伺服器已知漏洞掃描 │
│ └─ 掃描 CVE 資料庫中與目標版本相關的已知漏洞 │
│ 工具：Nikto, CVE Search │
│ 預估時間：5-10 分鐘 │
│ [ 選擇 ] │
│ │
│ 💉 SQL Injection 檢測 │
│ └─ 自動測試輸入點是否存在 SQL 注入漏洞 │
│ 工具：SQLMap │
│ 預估時間：10-15 分鐘 │
│ [ 選擇 ] │
│ │
│ 🔍 敏感資訊洩漏檢測 │
│ └─ 檢查是否暴露設定檔、備份檔、目錄列表等 │
│ 工具：GoBuster, 自訂腳本 │
│ 預估時間：5-8 分鐘 │
│ [ 選擇 ] │
│ │
│ 📁 CMS 專用掃描 (WordPress/Joomla/Drupal) │
│ └─ 針對常見 CMS 的專門檢測 │
│ 工具：WPScan, JoomScan │
│ 預估時間：8-12 分鐘 │
│ [ 選擇 ] │
│ │
├─────────────────────────────────────────────────┤
│ 已選擇：3 項 | 預估總時間：10-18 分鐘 │
│ [ 取消 ] [ 開始掃描 ]│
└─────────────────────────────────────────────────┘
每個檢測項目在後端以結構化方式定義：
from pydantic import BaseModel
class GuidedScanItem(BaseModel):
id: str # 例如："basic_info_gathering"
title: str # "基礎資訊盤點"
description: str
icon: str # Emoji 或圖示名稱
tools: list[str] # ["nmap", "curl", "whatweb"]
estimated_duration_min: int
estimated_duration_max: int
difficulty: str # "beginner" | "intermediate" | "advanced"
learning_goals: list[str] # 學習目標
prompt_template: str # LLM Prompt 模板
# 範例實例
BASIC_INFO_GATHERING = GuidedScanItem(
id="basic_info_gathering",
title="基礎資訊盤點",
description="識別伺服器類型、開放連接埠、使用的技術",
icon="📊",
tools=["nmap", "curl", "whatweb"],
estimated_duration_min=2,
estimated_duration_max=3,
difficulty="beginner",
learning_goals=[
"了解什麼是連接埠掃描",
"學習如何識別 Web 伺服器版本",
"理解資訊收集在滲透測試中的重要性"
],
prompt_template="""
As a senior penetration tester, create a comprehensive information gathering script for {target}.
Tasks:
1. Use nmap to scan common web ports (80, 443, 8080, 8443)
2. Use curl to fetch HTTP headers and identify server software
3. Use WhatWeb to identify CMS and technologies
Output a JSON with:
- open_ports: list of dicts with port, protocol, service
- server_info: dict with server type, version
- technologies: list of identified technologies
"""
)
┌─────────────────────────────────────────────────┐
│ 🔄 正在執行：基礎資訊盤點 │
├─────────────────────────────────────────────────┤
│ ✅ [1/3] nmap 連接埠掃描 │
│ 發現 2 個開放連接埠 │
│ │
│ 🔄 [2/3] curl HTTP Header 分析 │
│ 正在擷取伺服器資訊... │
│ │
│ ⏳ [3/3] WhatWeb 技術識別 │
│ 等待中... │
│ │
│ [████████████░░░░░░] 65% │
└─────────────────────────────────────────────────┘
結果頁面包含三個層次的資訊：
層次 1：執行摘要（適合快速瀏覽）
📊 基礎資訊盤點 - 完成
🔍 發現：
- 開放連接埠：2 個 (80, 443)
- 伺服器類型：Apache 2.4.49
- 已識別技術：PHP 7.4, WordPress 5.8
⚠️ 風險提示：
- Apache 2.4.49 存在已知漏洞 (CVE-2021-41773)
- 建議執行「Web 伺服器已知漏洞掃描」進行深入檢測
層次 2：詳細發現（點擊展開）
{
"open_ports": [
{
"port": 80,
"protocol": "tcp",
"service": "http",
"version": "Apache httpd 2.4.49"
},
{
"port": 443,
"protocol": "tcp",
"service": "https",
"version": "Apache httpd 2.4.49"
}
],
"server_info": {
"type": "Apache",
"version": "2.4.49",
"os": "Unix"
},
"technologies": [
"PHP 7.4.3",
"WordPress 5.8",
"MySQL"
]
}
層次 3：原始工具輸出（供進階使用者參考）
[nmap 原始輸出]
Starting Nmap 7.92 ( https://nmap.org ) at 2025-01-15 14:30 UTC
Nmap scan report for target.com (203.0.113.10)
Host is up (0.050s latency).
PORT STATE SERVICE VERSION
80/tcp open http Apache httpd 2.4.49 ((Unix))
443/tcp open https Apache httpd 2.4.49 ((Unix))
...
利用 CVE 資料庫與資安情資，主動為使用者推薦相關的安全檢測，從「被動執行」到「主動建議」。
[步驟 1] 使用者輸入目標 URL
↓
[步驟 2] 系統執行快速偵察
- nmap 快速掃描
- HTTP Header 分析
- 技術棧識別
↓
[步驟 3] 比對 CVE 資料庫
- 根據識別的軟體版本查詢已知漏洞
↓
[步驟 4] 生成智慧建議清單
↓
[步驟 5] 使用者選擇要測試的 CVE
↓
[步驟 6] LLM 生成專用的漏洞驗證腳本
↓
[步驟 7] 執行並呈現結果
┌─────────────────────────────────────────────────┐
│ 🧠 情資驅動掃描 - 智慧建議 │
├─────────────────────────────────────────────────┤
│ 目標：https://example.com │
│ 快速偵察完成 (3.2 秒) │
├─────────────────────────────────────────────────┤
│ │
│ 📌 已識別技術棧： │
│ ├─ Apache HTTP Server 2.4.49 │
│ ├─ PHP 7.4.3 │
│ ├─ WordPress 5.8 │
│ └─ OpenSSL 1.1.1d │
│ │
│ ⚠️ 發現 5 個相關的已知漏洞 (CVE) │
│ │
├─────────────────────────────────────────────────┤
│ │
│ 🔴 Critical - CVE-2021-41773 │
│ 影響組件：Apache HTTP Server 2.4.49 │
│ 漏洞類型：路徑穿越 (Path Traversal) │
│ CVSS 評分：9.8 / 10.0 │
│ │
│ 📝 漏洞說明： │
│ Apache 2.4.49 的 URL 正規化處理存在缺陷，攻擊者 │
│ 可透過特製的請求繞過存取控制，讀取伺服器上的任意 │
│ 檔案（如 /etc/passwd）。 │
│ │
│ 🔬 檢測方法： │
│ 發送包含 "/.%2e/" 路徑的 HTTP 請求，嘗試讀取 │
│ 敏感檔案。若成功返回檔案內容，則確認漏洞存在。 │
│ │
│ [ 測試此漏洞 ] [ 查看詳細資訊 ] │
│ │
├─────────────────────────────────────────────────┤
│ │
│ 🟠 High - CVE-2021-28041 │
│ 影響組件：OpenSSL 1.1.1d │
│ 漏洞類型：X509 憑證驗證繞過 │
│ CVSS 評分：7.4 / 10.0 │
│ [ 測試此漏洞 ] │
│ │
├─────────────────────────────────────────────────┤
│ │
│ 🟡 Medium - 其他 3 個漏洞 │
│ [ 展開查看 ] │
│ │
└─────────────────────────────────────────────────┘
class IntelligenceDrivenScanner:
async def analyze_target(self, target: str) -> IntelligenceReport:
# 1. 快速偵察
recon_results = await self._quick_reconnaissance(target)
# 2. 提取技術棧
tech_stack = self._extract_tech_stack(recon_results)
# 3. 查詢 CVE 資料庫
related_cves = await self._query_cve_database(tech_stack)
# 4. 排序與優先級
prioritized_cves = self._prioritize_by_severity(related_cves)
# 5. 為每個 CVE 準備檢測資訊
suggestions = []
for cve in prioritized_cves:
suggestion = CVESuggestion(
cve_id=cve.id,
severity=cve.severity,
cvss_score=cve.cvss_score,
description=cve.description,
affected_component=cve.affected_component,
detection_method=await self._get_detection_method(cve),
exploit_available=cve.exploit_available
)
suggestions.append(suggestion)
return IntelligenceReport(
target=target,
tech_stack=tech_stack,
suggestions=suggestions,
scan_timestamp=datetime.now()
)
async def _query_cve_database(self, tech_stack: TechStack) -> list[CVE]:
"""查詢相關 CVE"""
cves = []
for component in tech_stack.components:
# 使用 CPE (Common Platform Enumeration) 格式查詢
cpe = f"cpe:2.3:a:{component.vendor}:{component.name}:{component.version}"
query = """
SELECT * FROM cve_database
WHERE affected_cpe @> %s::jsonb
ORDER BY cvss_score DESC
LIMIT 10
"""
results = await self.db.fetch(query, json.dumps([cpe]))
cves.extend(results)
return cves
async def _get_detection_method(self, cve: CVE) -> DetectionMethod:
"""從知識庫或 LLM 獲取檢測方法"""
# 先嘗試從知識庫取得預定義的檢測方法
method = await self.kb.get_detection_method(cve.id)
if method is None:
# 若無預定義方法，請 LLM 生成
prompt = f"""
Given the following CVE, describe a safe and effective method to detect if a target is vulnerable:
CVE ID: {cve.id}
Description: {cve.description}
Affected Component: {cve.affected_component}
Provide:
1. A brief explanation of how to test for this vulnerability
2. The expected behavior if vulnerable
3. The expected behavior if not vulnerable
"""
response = await self.llm.complete(prompt)
method = DetectionMethod.from_llm_response(response)
return method
當使用者選擇測試某個 CVE 時，系統生成專用腳本：
async def generate_cve_verification_script(cve_id: str, target: str) -> str:
cve_details = await db.get_cve(cve_id)
prompt = f"""
As a senior penetration tester with expertise in {cve_details.affected_component},
write a Python script to safely verify if {target} is vulnerable to {cve_id}.
CVE Details:
- Description: {cve_details.description}
- Type: {cve_details.vulnerability_type}
- CVSS Score: {cve_details.cvss_score}
Verification Approach:
{cve_details.detection_method}
Requirements:
1. Use the 'requests' library for HTTP interactions
2. Implement EXACTLY the verification steps described above
3. Print JSON output with:
- "status": "VULNERABLE" | "NOT_VULNERABLE" | "UNCERTAIN"
- "confidence": float (0.0 to 1.0)
- "evidence": dict with relevant details
4. Set reasonable timeouts (5 seconds)
5. Handle all exceptions gracefully
6. DO NOT cause damage or service disruption
CRITICAL SAFETY RULES:
- This is authorized security testing only
- Use minimal payloads necessary for verification
- Do not attempt exploitation beyond verification
"""
response = await llm_client.complete(prompt)
script = extract_code_from_response(response)
return script
將 LLM 轉化為一位資安導師，透過蘇格拉底式對話引導使用者理解資安議題，共同決定檢測策略。
使用者："我想測試網站的安全性"
↓
系統："很好！首先，您對這個網站有多少了解？您知道它使用什麼技術嗎？"
↓
使用者："不太清楚，應該如何開始？"
↓
系統："在資安測試中，我們通常從「資訊收集」開始。我建議使用 nmap
掃描開放連接埠，以及 curl 分析 HTTP Header。您想了解這些工具的
運作原理嗎？"
↓
使用者："可以，請解釋一下 nmap"
↓
系統：[提供 nmap 的解釋與原理]
"我現在可以為您生成一個 nmap 掃描腳本，您確定要執行嗎？"
↓
使用者："好的，執行吧"
↓
系統：[執行腳本並返回結果]
"掃描發現您的網站運行 Apache 2.4.49。根據 CVE 資料庫，這個版本
存在一個嚴重的路徑穿越漏洞 (CVE-2021-41773)。您想測試看看是否
真的存在這個漏洞嗎？"
┌─────────────────────────────────────────────────┐
│ 💬 對話式掃描 [?] [⚙️] [✕] │
├─────────────────────────────────────────────────┤
│ │
│ 👤 我想測試 https://example.com 的安全性 │
│ 14:32 │
│ │
│ 🤖 很好！讓我先了解一下情況。請問您對這個網站 │
│ 有多少了解？例如： │
│ • 您知道它使用什麼 Web 伺服器嗎？ │
│ • 是否有特定的安全問題您想重點檢測？ │
│ • 您進行過類似的測試嗎？ │
│ 14:32 │
│ │
│ 👤 我不太清楚，應該從何開始？ │
│ 14:33 │
│ │
│ 🤖 沒問題！這是很典型的情況。在資安測試中，我們 │
│ 遵循一個標準流程： │
│ │
│ 📊 階段一：資訊收集 (Reconnaissance) │
│ 目標：了解目標的技術架構 │
│ │
│ 我建議我們先執行基礎掃描： │
│ 🔹 nmap：掃描開放的網路連接埠 │
│ 🔹 curl：分析 HTTP 回應標頭 │
│ │
│ 這兩個工具會幫助我們識別伺服器類型、版本等 │
│ 資訊。您想先了解這些工具如何運作，還是直接 │
│ 開始掃描？ │
│ 14:33 │
│ [ 了解工具原理 ] [ 直接開始掃描 ] │
│ │
│ 👤 [點選] 直接開始掃描 │
│ 14:34 │
│ │
│ 🤖 好的！我現在會生成一個 Python 腳本來執行這 │
│ 個掃描。讓我展示給您看： │
│ │
│ ```python │
│ import subprocess │
│ import requests │
│ │
│ # nmap 掃描常見 Web 連接埠 │
│ result = subprocess.run([ │
│ 'nmap', '-sV', '-p', '80,443,8080', │
│ 'example.com' │
│ ], capture_output=True) │
│ ... │
│ ``` │
│ │
│ 這個腳本會： │
│ 1️⃣ 掃描 80, 443, 8080 這三個常見 Web 連接埠 │
│ 2️⃣ 嘗試識別各連接埠運行的服務版本 │
│ 3️⃣ 使用 curl 獲取 HTTP 標頭 │
│ │
│ 預估執行時間：2-3 分鐘 │
│ [ 執行腳本 ] [ 修改參數 ] [ 取消 ] │
│ 14:34 │
│ │
│ 👤 [點選] 執行腳本 │
│ 14:35 │
│ │
│ 🤖 ⏳ 正在執行掃描... │
│ [████████████░░░░░] 70% - nmap 掃描中 │
│ 14:35 │
│ │
│ 🤖 ✅ 掃描完成！讓我分析結果... │
│ │
│ 📊 發現資訊： │
│ • 開放連接埠：80 (HTTP), 443 (HTTPS) │
│ • Web 伺服器：Apache httpd 2.4.49 │
│ • 作業系統：推測為 Unix/Linux │
│ │
│ ⚠️ 重要發現： │
│ 我在 CVE 資料庫中找到 Apache 2.4.49 有一個 │
│ **Critical 等級的漏洞** (CVE-2021-41773)！ │
│ │
│ 📖 漏洞說明： │
│ 這是一個路徑穿越漏洞，攻擊者可能繞過存取控制│
│ 讀取伺服器上的任意檔案（例如 /etc/passwd）。│
│ │
│ 您想進一步測試這個漏洞是否真的存在嗎？ │
│ 14:36 │
│ [ 是，測試漏洞 ] [ 先了解路徑穿越原理 ] │
│ │
└─────────────────────────────────────────────────┘
│ 💬 輸入訊息... [📎] [🎤]│
└─────────────────────────────────────────────────┘
class ConversationalAgent:
def __init__(self, llm_client, knowledge_base, executor):
self.llm = llm_client
self.kb = knowledge_base
self.executor = executor
self.conversation_history = []
self.context = ConversationContext()
async def process_message(self, user_message: str) -> AgentResponse:
# 1. 更新對話歷史
self.conversation_history.append({
"role": "user",
"content": user_message
})
# 2. 意圖識別
intent = await self._classify_intent(user_message)
# 3. 根據意圖生成回應
if intent == "ask_for_explanation":
response = await self._provide_explanation(user_message)
elif intent == "request_scan":
response = await self._propose_scan_plan(user_message)
elif intent == "confirm_action":
response = await self._execute_confirmed_action()
elif intent == "explore_topic":
response = await self._guide_exploration(user_message)
# 4. 更新上下文
self.context.update(intent, response)
# 5. 更新對話歷史
self.conversation_history.append({
"role": "assistant",
"content": response.text
})
return response
async def _propose_scan_plan(self, user_message: str) -> AgentResponse:
"""提出掃描計畫並尋求確認"""
prompt = f"""
You are a cybersecurity mentor having a conversation with a learner.
Conversation history:
{self._format_conversation_history()}
User just said: "{user_message}"
Your task:
1. Acknowledge their request
2. Suggest appropriate tools and tests
3. Explain WHY these tools are suitable
4. Generate a Python script if appropriate
5. Ask for confirmation before execution
Response format:
- Use friendly, educational tone
- Provide context and reasoning
- Offer choices (e.g., "learn more" vs "proceed")
"""
llm_response = await self.llm.complete(prompt)
# 解析 LLM 回應，提取腳本（如果有）
script = self._extract_script_from_response(llm_response)
return AgentResponse(
text=llm_response,
proposed_script=script,
requires_confirmation=True if script else False,
suggested_actions=[
{"label": "執行腳本", "action": "execute"},
{"label": "修改參數", "action": "modify"},
{"label": "了解更多", "action": "explain"}
]
)
內建知識庫查詢
當使用者詢問概念性問題時，系統可查詢內部知識庫：
async def _provide_explanation(self, query: str) -> AgentResponse:
# 查詢知識庫
kb_result = await self.kb.search(query)
if kb_result:
# 使用知識庫內容，但讓 LLM 用對話方式呈現
prompt = f"""
Explain the following concept in a conversational, educational manner:
Concept: {query}
Knowledge Base Info: {kb_result.content}
Adapt your explanation to the user's level based on conversation history:
{self._format_conversation_history()}
"""
else:
# 無知識庫資料，讓 LLM 自由回應
prompt = f"""
The user asked: "{query}"
Provide a clear, educational explanation suitable for someone learning cybersecurity.
"""
response = await self.llm.complete(prompt)
return AgentResponse(text=response)
提供一鍵執行的完整掃描策略，滿足企業用戶與專業人士的效率需求。
系統提供多種預定義策略：
┌─────────────────────────────────────────────────┐
│ 🚀 全自動化掃描 │
├─────────────────────────────────────────────────┤
│ 目標：https://example.com │
│ │
│ 選擇掃描策略： │
│ │
│ ○ ⚡ 快速掃描 (5-10 分鐘) │
│ 基礎安全檢查，適合日常監控 │
│ │
│ ● 🎯 標準掃描 (20-30 分鐘) [推薦] │
│ 全面的安全評估，涵蓋常見漏洞 │
│ │
│ ○ 🔬 深度掃描 (1-2 小時) │
│ 徹底的滲透測試級別檢測 │
│ │
│ ○ 🛠️ 自訂策略 │
│ [ 建立自訂掃描策略 ] │
│ │
├─────────────────────────────────────────────────┤
│ 進階選項： │
│ ☑ 發現高風險漏洞時立即通知 │
│ ☑ 完成後自動生成 PDF 報告 │
│ ☐ 結果比對上次掃描（趨勢分析） │
│ ☐ 同時掃描子網域 │
│ │
├─────────────────────────────────────────────────┤
│ 排程設定： │
│ ○ 立即執行 │
│ ○ 排程執行：[每週一] [02:00] UTC │
│ │
│ [ 取消 ] [ 開始掃描 ]│
└─────────────────────────────────────────────────┘
class AutomatedScanStrategy(BaseModel):
id: str
name: str
description: str
estimated_duration_min: int
tasks: list[ScanTask]
# 標準掃描策略定義
STANDARD_SCAN = AutomatedScanStrategy(
id="standard",
name="標準掃描",
description="全面的安全評估，涵蓋常見漏洞",
estimated_duration_min=25,
tasks=[
ScanTask(
name="資訊收集",
tool="nmap",
params={"scan_type": "version_detection", "ports": "80,443,8080,8443"}
),
ScanTask(
name="SSL/TLS 檢查",
tool="sslyze",
params={"check_certificate": True, "check_cipher_suites": True}
),
ScanTask(
name="HTTP 安全標頭",
tool="custom_script",
script_template="http_headers_check"
),
ScanTask(
name="CVE 情資掃描",
tool="cve_check",
depends_on="資訊收集" # 依賴前面任務的結果
),
ScanTask(
name="Web 伺服器漏洞掃描",
tool="nikto",
params={"tuning": "x6"} # 跳過 DoS 測試
),
ScanTask(
name="目錄枚舉",
tool="gobuster",
params={"wordlist": "common.txt", "threads": 10}
),
ScanTask(
name="輸入驗證測試",
tool="custom_script",
script_template="basic_input_validation"
)
]
)
class AutomatedScanner:
async def execute_strategy(
self,
strategy: AutomatedScanStrategy,
target: str
) -> ScanReport:
scan_id = str(uuid.uuid4())
results = []
# 建立任務相依圖
task_graph = self._build_dependency_graph(strategy.tasks)
# 依序執行任務
for task in self._topological_sort(task_graph):
try:
# 如果任務依賴前面的結果，傳入上下文
context = self._build_task_context(task, results)
result = await self._execute_task(task, target, context)
results.append(result)
# 即時更新進度
await self._update_progress(scan_id, results)
# 高風險發現立即通知
if result.has_critical_findings():
await self._send_alert(scan_id, result)
except TaskExecutionError as e:
# 記錄錯誤但繼續執行其他任務
await self._log_task_error(scan_id, task.name, e)
continue
# 彙整最終報告
report = await self._generate_comprehensive_report(
scan_id, target, strategy, results
)
return report
┌─────────────────────────────────────────────────┐
│ 🔄 掃描進行中 - 標準掃描 │
├─────────────────────────────────────────────────┤
│ 目標：https://example.com │
│ 已運行：12 分鐘 / 預估：25 分鐘 │
│ │
│ [████████████████░░░░░░░░░] 65% │
│ │
│ ✅ 資訊收集 (完成 - 2.3 分鐘) │
│ ✅ SSL/TLS 檢查 (完成 - 1.8 分鐘) │
│ ✅ HTTP 安全標頭 (完成 - 0.5 分鐘) │
│ ✅ CVE 情資掃描 (完成 - 3.1 分鐘) │
│ └─ ⚠️ 發現 2 個 Critical 等級 CVE │
│ 🔄 Web 伺服器漏洞掃描 (進行中...) │
│ ⏳ 目錄枚舉 (等待中) │
│ ⏳ 輸入驗證測試 (等待中) │
│ │
│ [ 暫停 ] [ 停止 ] [ 查看即時日誌 ] │
└─────────────────────────────────────────────────┘
| 需求情境 | 推薦模式 | 理由 |
|---|---|---|
| 我是資安初學者 | 引導式 + 對話式 | 學習曲線友善，有解釋 |
| 我想快速檢查網站 | 引導式 / 自動化 | 明確選項，快速執行 |
| 我想深入學習資安 | 對話式 | 互動式教學體驗 |
| 我需要定期監控 | 全自動化 | 可排程，無需人工介入 |
| 我不知道該測試什麼 | 情資驅動 | 系統主動建議 |
| 整合至 CI/CD | 全自動化 (API) | 支援程式化調用 |
本文件最後更新：2025-10-21
返回 主文件