自动化漏洞扫描与预警平台

XiaoMu_0012026-02-09 11:11

自动化漏洞扫描与预警平台

1. 项目概述

本项目旨在构建一个集资产管理、自动化漏洞扫描、风险分析与预警于一体的综合安全管理平台。通过整合 Nmap/OpenVAS 等扫描工具，结合 CMDB 资产数据库，实现漏洞与资产的精确关联，并基于资产重要性进行风险分级预警，帮助企业快速感知和处置安全风险。

1.1 项目背景

随着企业信息化程度的不断提高，网络资产数量急剧增长，安全漏洞层出不穷。传统的漏洞扫描工具虽然能够发现大量漏洞，但存在以下痛点：

  1. 缺乏业务关联：扫描结果仅显示技术层面的漏洞，无法与业务资产、负责人关联
  2. 风险分级不准确：仅基于 CVSS 评分，未考虑资产重要性对业务的实际影响
  3. 预警机制缺失：无法自动通知资产负责人，导致漏洞处置滞后
  4. 数据孤岛：扫描工具、资产管理系统、漏洞库相互独立，缺乏统一视图

1.2 项目目标

  • 资产统一管理：建立 CMDB 资产库，实现 IP、端口、服务、负责人的统一管理
  • 自动化扫描：集成主流扫描工具，支持定时扫描和手动触发
  • 智能关联分析：通过算法将扫描结果与资产精确关联
  • 风险精准评估：结合 CVSS 和资产重要性，计算最终风险等级
  • 自动化预警：高危漏洞自动发送邮件通知资产负责人
  • 可视化展示：提供风险看板、图表分析，直观展示安全态势

2. 数据集设计

2.1 数据集来源

本项目涉及三类主要数据：

2.1.1 CMDB 资产数据

数据来源：企业资产管理系统（CMDB）或手动录入

数据结构：

  • IP 地址：资产网络标识
  • 端口：服务开放端口
  • 服务类型：Web、数据库、SSH 等
  • 负责人：资产维护人员邮箱
  • 重要性等级：high（高）、medium（中）、low（低）

示例数据：

csv 复制代码 
ip,port,service,owner,importance
192.168.1.10,80,Web Server,admin@example.com,high
192.168.1.10,22,SSH,ops@example.com,medium
192.168.1.11,3306,MySQL,dba@example.com,high
192.168.1.12,8080,Tomcat,dev@example.com,low
2.1.2 扫描工具输出数据

数据来源：Nmap、OpenVAS 等扫描工具的原始报告

数据结构：

  • IP 地址：扫描目标
  • 端口：发现漏洞的端口
  • 漏洞名称：CVE 编号或漏洞描述
  • CVSS 评分：0.0-10.0 的漏洞严重性评分

示例数据：

json 复制代码 
[
  {"ip": "192.168.1.10", "port": 80, "vuln_name": "SQL Injection", "cvss": 8.5},
  {"ip": "192.168.1.10", "port": 22, "vuln_name": "Weak Password", "cvss": 5.0},
  {"ip": "192.168.1.11", "port": 3306, "vuln_name": "Old Version", "cvss": 4.0}
]
2.1.3 CVE 知识库数据

数据来源：CVE 官方数据库或第三方漏洞库

数据结构：

  • CVE 编号：标准漏洞标识
  • 描述：漏洞详细说明（中文）
  • CVSS 评分：标准评分
  • 发布日期：漏洞公开时间
  • 参考链接：修复建议和详细分析

2.2 数据预处理

  1. 资产数据清洗：

    • 验证 IP 地址格式（IPv4/IPv6）
    • 验证端口范围（1-65535）
    • 验证邮箱格式
    • 去重处理（基于 IP+Port 唯一性）

  2. 扫描结果解析：

    • 解析 XML/JSON 格式的扫描报告
    • 提取 IP、端口、漏洞信息
    • 标准化漏洞名称（映射到 CVE 编号）

  3. 数据关联准备：

    • 建立 IP+Port 索引，加速匹配
    • 处理未匹配资产（标记为 unknown）

3. 核心算法与模型

本项目的核心在于如何将孤立的扫描结果与业务资产进行关联，并进行科学的风险评估。

3.1 漏洞-资产关联算法 (Vulnerability-Asset Mapping)

3.1.1 算法原理

采用精确匹配 策略，使用 (IP, Port) 二元组作为唯一键进行关联。

输入：

  • 扫描结果集合：S = {(IP₁, Port₁, Vuln₁, CVSS₁), ..., (IPₙ, Portₙ, Vulnₙ, CVSSₙ)}
  • 资产库集合：A = {(IP₁, Port₁, Owner₁, Importance₁), ..., (IPₘ, Portₘ, Ownerₘ, Importanceₘ)}

算法流程：

python 复制代码 
def associate_vulnerability_with_asset(scan_results, assets_df):
    """
    将扫描结果关联到具体资产
    
    参数:
        scan_results: 扫描结果列表，每个元素包含 ip, port, vuln_name, cvss
        assets_df: 资产数据框，包含 ip, port, owner, importance
    
    返回:
        关联后的数据框，包含资产信息和匹配状态
    """
    associated_data = []
    
    for result in scan_results:
        # 核心匹配逻辑：IP 和 Port 同时匹配
        match = assets_df[
            (assets_df['ip'] == result['ip']) & 
            (assets_df['port'] == result['port'])
        ]
        
        if not match.empty:
            asset = match.iloc[0]
            entry = result.copy()
            entry['asset_id'] = asset['id']
            entry['owner'] = asset['owner']
            entry['importance'] = asset['importance']
            entry['status'] = 'matched'  # 匹配成功
        else:
            # 未找到匹配资产，可能是新发现的端口或未录入的机器
            entry = result.copy()
            entry['asset_id'] = None
            entry['owner'] = None
            entry['importance'] = 'unknown'
            entry['status'] = 'unmatched'  # 未匹配
            
        associated_data.append(entry)
    
    return pd.DataFrame(associated_data)

匹配规则：

  • 精确匹配 ：(Scan_IP, Scan_Port) == (Asset_IP, Asset_Port) → 关联成功
  • 未匹配处理 ：标记为 unmatched，提示管理员补录资产

时间复杂度：O(n×m)，其中 n 为扫描结果数，m 为资产数。实际应用中可通过建立哈希索引优化至 O(n)。

3.1.2 算法优势
  1. 精确性：IP+Port 二元组确保唯一性，避免误关联
  2. 可扩展性：支持同一 IP 多个端口的不同资产
  3. 容错性：未匹配资产不影响已匹配数据的处理

3.2 风险定级模型 (Risk Assessment Model)

3.2.1 模型原理

传统 CVSS 评分仅反映漏洞本身的技术严重性，无法体现对业务的实际影响。本项目引入资产重要性系数进行修正，使风险评估更贴近业务实际。

基础公式：

最终风险分 = CVSS分数 × 资产重要性系数 \text{最终风险分} = \text{CVSS分数} \times \text{资产重要性系数} 最终风险分=CVSS分数×资产重要性系数

重要性系数设定：

  • 高重要性 (High)：系数 = 1.2（核心业务资产，漏洞影响放大）
  • 中重要性 (Medium)：系数 = 1.0（标准资产，保持原评分）
  • 低重要性 (Low)：系数 = 0.8（非关键资产，影响降低）

风险分级标准：

最终风险分 风险等级 颜色标识 处置优先级
≥ 9.0 Critical (严重) 红色 立即处理
7.0 ≤ 分数 < 9.0 High (高危) 橙色 优先处理
4.0 ≤ 分数 < 7.0 Medium (中危) 黄色 计划处理
< 4.0 Low (低危) 绿色 可延后处理
3.2.2 算法实现
python 复制代码 
def calculate_risk_level(cvss, importance):
    """
    计算最终风险等级
    
    参数:
        cvss: CVSS 基础评分 (0.0-10.0)
        importance: 资产重要性 ('high', 'medium', 'low')
    
    返回:
        (final_score, risk_level) 元组
    """
    # 重要性系数映射
    coefficient_map = {
        'high': 1.2,
        'medium': 1.0,
        'low': 0.8
    }
    
    coefficient = coefficient_map.get(importance, 1.0)
    final_score = cvss * coefficient
    
    # 风险等级判定
    if final_score >= 9.0:
        risk_level = 'Critical'
    elif final_score >= 7.0:
        risk_level = 'High'
    elif final_score >= 4.0:
        risk_level = 'Medium'
    else:
        risk_level = 'Low'
    
    return final_score, risk_level
3.2.3 模型示例

示例 1：高重要性资产上的高危漏洞

  • CVSS = 8.5（高危）
  • 重要性 = High（系数 1.2）
  • 最终风险分 = 8.5 × 1.2 = 10.2 → Critical（严重）

示例 2：低重要性资产上的高危漏洞

  • CVSS = 8.5（高危）
  • 重要性 = Low（系数 0.8）
  • 最终风险分 = 8.5 × 0.8 = 6.8 → Medium（中危）

示例 3：中重要性资产上的中危漏洞

  • CVSS = 5.0（中危）
  • 重要性 = Medium（系数 1.0）
  • 最终风险分 = 5.0 × 1.0 = 5.0 → Medium（中危）

3.3 算法评估与可视化

基于模拟数据集，对算法进行评估和可视化分析。以下图表展示了算法的评估结果：

(1) 漏洞 CVSS 分数分布

图表说明：

  • 图表类型：直方图（Histogram）配合核密度估计曲线（KDE）
  • X 轴：CVSS 评分（0.0-10.0）
  • Y 轴：漏洞数量（Count）
  • 含义 ：
    • 展示扫描发现的所有漏洞的 CVSS 基础分数分布情况
    • 正态分布或偏态分布反映了系统整体的安全健康度
    • 如果高分漏洞（>7.0）占比高，说明系统存在较多高危漏洞
    • 如果低分漏洞（<4.0）占比高，说明系统整体安全状况较好

分析要点：

  • 分布峰值位置：反映大多数漏洞的严重程度
  • 分布形状：右偏分布表示存在较多高危漏洞
  • 异常值：极高分（>9.0）的漏洞需要重点关注
(2) 漏洞风险等级分布

图表说明：

  • 图表类型：饼图（Pie Chart）
  • 数据：经过资产重要性修正后的最终风险等级占比
  • 颜色标识 ：
    • Critical（严重）：红色
    • High（高危）：橙色
    • Medium（中危）：黄色
    • Low（低危）：绿色

含义：

  • 展示经过资产重要性修正后的最终风险等级分布
  • 高危和严重级别的漏洞是预警的重点对象
  • 各等级占比反映了整体安全态势：
    • Critical 占比高 → 系统存在严重安全隐患，需立即处置
    • Low 占比高 → 系统整体安全状况良好
    • 分布均衡 → 需要分级管理，优先处理高危漏洞

分析要点：

  • Critical 和 High 级别漏洞的占比决定了预警工作量
  • 与 CVSS 分布对比，可以看出资产重要性修正的效果
(3) 不同资产重要性等级的平均漏洞风险分

图表说明：

  • 图表类型：柱状图（Bar Chart）
  • X 轴：资产重要性等级（high, medium, low）
  • Y 轴：平均风险分（Average Risk Score）
  • 含义 ：
    • 对比不同重要性资产的平均风险分
    • 理想情况下，重要资产应受到更严密的防护，平均风险分应较低
    • 若高重要性资产的平均风险分反而更高，则说明核心资产存在重大安全隐患，需要加强防护

分析要点：

  • 理想状态：高重要性资产的平均风险分 < 中重要性 < 低重要性
  • 异常状态 ：高重要性资产的平均风险分 > 其他等级，说明：
    • 核心资产防护不足
    • 需要优先对高重要性资产进行安全加固
    • 可能需要调整资产重要性分类

业务价值：

  • 帮助识别安全投入与资产重要性的匹配度
  • 指导安全资源分配（优先保护高重要性资产）
  • 评估安全策略的有效性

3.4 模型训练与优化

3.4.1 模型特点

本项目采用规则引擎而非机器学习模型，具有以下特点：

  1. 可解释性强：风险计算公式清晰，易于理解和审计
  2. 无需训练数据：基于专家经验和行业标准（CVSS）设计
  3. 参数可调：重要性系数可根据企业实际情况调整
3.4.2 参数调优

重要性系数调优：

根据企业实际情况，可以调整重要性系数：

python 复制代码 
# 默认配置（保守策略）
IMPORTANCE_COEFFICIENTS = {
    'high': 1.2,    # 高重要性资产风险放大 20%
    'medium': 1.0,  # 标准资产保持原评分
    'low': 0.8      # 低重要性资产风险降低 20%
}

# 激进策略（更重视高重要性资产）
IMPORTANCE_COEFFICIENTS_AGGRESSIVE = {
    'high': 1.5,    # 高重要性资产风险放大 50%
    'medium': 1.0,
    'low': 0.6      # 低重要性资产风险降低 40%
}

# 保守策略（降低高重要性资产权重）
IMPORTANCE_COEFFICIENTS_CONSERVATIVE = {
    'high': 1.1,    # 高重要性资产风险放大 10%
    'medium': 1.0,
    'low': 0.9      # 低重要性资产风险降低 10%
}

调优方法：

  1. 历史数据分析：分析历史漏洞处置数据，评估不同系数下的预警准确率
  2. 专家评审：邀请安全专家评估风险分级是否符合实际业务影响
  3. A/B 测试：在测试环境使用不同系数，对比预警效果
3.4.3 模型评估指标

虽然采用规则引擎，但仍可通过以下指标评估模型效果：

  1. 关联准确率：

    • 定义：正确关联到资产的漏洞占比
    • 计算：准确率 = 匹配成功的漏洞数 / 总漏洞数
    • 目标：> 95%

  2. 风险分级合理性：

    • 定义：Critical/High 级别漏洞的处置优先级是否与实际业务影响一致
    • 评估方法：专家评审、历史数据验证

  3. 预警及时性：

    • 定义：从漏洞发现到通知资产负责人的时间
    • 目标：< 5 分钟

  4. 误报率：

    • 定义：被标记为 Critical/High 但实际影响较小的漏洞占比
    • 目标：< 10%

4. 数据库设计

系统采用关系型数据库（SQLite/MySQL）存储核心数据，主要包含资产、扫描任务、漏洞信息及知识库。

4.1 实体关系图 (ER Diagram)

实体关系：

  • Asset (资产) 1 : N Vulnerability (漏洞)：一个资产可以有多个漏洞
  • ScanTask (扫描任务) 1 : N Vulnerability (漏洞)：一次扫描可以发现多个漏洞
  • Asset 1 : N ScanTask：逻辑关联，通过 IP 地址关联（一个资产可以被多次扫描）

关系说明：

  • Vulnerability.asset_id → Asset.id（外键，可为空，表示未匹配资产）
  • Vulnerability.scan_task_id → ScanTask.id（外键，必填）
  • ScanTask.target_ip 与 Asset.ip 逻辑关联（用于查询资产相关的扫描任务）

4.2 数据表详解

4.2.1 资产表 (assets_asset)

表说明：存储 CMDB 资产信息，是关联分析的基础数据源。

字段名 类型 长度 非空 唯一 默认值 描述
id Integer (BigAutoField) - Y Y AUTO 主键，自增
ip GenericIPAddressField 100 Y - - 资产 IP 地址（支持 IPv4/IPv6）
port IntegerField - Y - - 开放端口（1-65535）
service CharField 100 Y - - 服务名称（如 Web Server, MySQL, SSH）
owner EmailField 254 Y - - 资产负责人邮箱，用于发送预警通知
importance CharField 10 Y - 'medium' 重要等级：high（高）、medium（中）、low（低）
created_at DateTimeField - Y - auto_now_add 录入时间，自动记录创建时间

表约束：

  • 唯一性约束 ：unique_together = ('ip', 'port')，确保同一 IP 的同一端口不重复录入
  • 索引 ：在 (ip, port) 上建立联合索引，加速关联查询

字段说明：

  • ip：使用 GenericIPAddressField 类型，自动验证 IP 地址格式
  • port：整数类型，范围 1-65535
  • importance：使用 choices 限制可选值，确保数据一致性
  • owner：使用 EmailField 类型，自动验证邮箱格式

示例数据：

sql 复制代码 
INSERT INTO assets_asset (ip, port, service, owner, importance) VALUES
('192.168.1.10', 80, 'Web Server', 'admin@example.com', 'high'),
('192.168.1.10', 22, 'SSH', 'ops@example.com', 'medium'),
('192.168.1.11', 3306, 'MySQL', 'dba@example.com', 'high');
4.2.2 扫描任务表 (scans_scantask)

表说明：记录每次扫描任务的配置与执行状态，支持任务进度跟踪和日志记录。

字段名 类型 长度 非空 唯一 默认值 描述
id Integer (BigAutoField) - Y Y AUTO 主键，自增
target_ip CharField 100 Y - - 扫描目标（支持单个 IP 或 IP 段，如 192.168.1.0/24）
scan_tool CharField 20 Y - 'nmap' 使用工具：nmap、openvas 等
parameters TextField - N - '{}' 扫描参数（JSON 格式），如端口范围、扫描强度等
status CharField 20 Y - 'pending' 任务状态：pending（等待中）、running（扫描中）、finished（已完成）、failed（失败）
progress IntegerField - Y - 0 扫描进度（0-100），用于前端进度条显示
logs TextField - N - '' 实时扫描日志，记录扫描过程的详细信息
result_file FileField - N - NULL 原始报告文件路径（XML/JSON 格式）
created_at DateTimeField - Y - auto_now_add 创建时间
finished_at DateTimeField - N - NULL 完成时间（任务结束时记录）

表约束：

  • status 使用 choices 限制可选值
  • progress 范围 0-100（应用层验证）

字段说明：

  • target_ip：支持单个 IP（如 192.168.1.10）或 IP 段（如 192.168.1.0/24）

  • parameters：JSON 格式存储扫描参数，例如：

    json 复制代码 
    {
  "port_range": "common",      // 常用端口
  "intensity": "normal",        // 扫描强度
  "timeout": 30                 // 超时时间（秒）
}

  • logs：多行文本，记录扫描过程的实时输出，格式：

    复制代码 
    [14:30:15] 扫描任务已启动，目标: 192.168.1.10
[14:30:16] 正在加载扫描插件...
[14:30:17] 开始端口扫描...
[14:30:20] 发现漏洞: SQL Injection (Risk: Critical)

示例数据：

sql 复制代码 
INSERT INTO scans_scantask (target_ip, scan_tool, status, progress) VALUES
('192.168.1.10', 'nmap', 'finished', 100);
4.2.3 漏洞表 (scans_vulnerability)

表说明：存储扫描发现的具体漏洞详情，包含关联资产信息和风险等级。

字段名 类型 长度 非空 唯一 默认值 描述
id Integer (BigAutoField) - Y Y AUTO 主键，自增
asset_id ForeignKey - N - NULL 关联资产 ID（外键，可为空，表示未匹配资产）
scan_task_id ForeignKey - Y - - 来源扫描任务 ID（外键，必填）
ip GenericIPAddressField 100 Y - - 漏洞所在 IP 地址
port IntegerField - Y - - 漏洞所在端口
name CharField 200 Y - - 漏洞名称（如 SQL Injection、CVE-2021-44228）
cvss FloatField - Y - - CVSS 评分（0.0-10.0，保留 1 位小数）
risk_level CharField 20 Y - - 风险等级：Critical（严重）、High（高危）、Medium（中危）、Low（低危）
description TextField - N - '' 漏洞详细描述
status CharField 20 Y - 'new' 处置状态：new（已发现）、processing（处理中）、fixed（已修复）
resolution_note TextField - N - '' 处置/修复备注（记录修复方法、时间等）
found_at DateTimeField - Y - auto_now_add 发现时间，自动记录创建时间

表约束：

  • asset_id 外键关联 Asset.id，on_delete=models.SET_NULL（资产删除时漏洞保留，但关联置空）
  • scan_task_id 外键关联 ScanTask.id，on_delete=models.CASCADE（任务删除时漏洞一并删除）
  • risk_level 使用 choices 限制可选值
  • status 使用 choices 限制可选值

字段说明：

  • asset_id：可为空（NULL），表示该漏洞未匹配到资产（可能是新发现的端口或未录入的机器）
  • ip 和 port：冗余存储，便于快速查询和统计（避免频繁 JOIN）
  • cvss：浮点数，范围 0.0-10.0
  • risk_level：由算法计算得出，基于 CVSS 和资产重要性
  • status：用于漏洞生命周期管理，支持工作流：new → processing → fixed

示例数据：

sql 复制代码 
INSERT INTO scans_vulnerability (asset_id, scan_task_id, ip, port, name, cvss, risk_level, status) VALUES
(1, 1, '192.168.1.10', 80, 'SQL Injection', 8.5, 'Critical', 'new'),
(2, 1, '192.168.1.10', 22, 'Weak Password', 5.0, 'Medium', 'new');
4.2.4 CVE 知识库表 (knowledge_cve)

表说明：本地化的漏洞详情知识库，存储 CVE 标准漏洞信息，支持漏洞查询和详情展示。

字段名 类型 长度 非空 唯一 默认值 描述
id Integer (BigAutoField) - Y Y AUTO 主键，自增
cve_id CharField 20 Y Y - CVE 编号（如 CVE-2021-44228），唯一标识
description TextField - Y - - 漏洞详细描述（中文），包含漏洞原理、影响范围等
cvss_score FloatField - Y - - 标准 CVSS 评分（0.0-10.0）
published_date DateField - Y - - 发布日期（CVE 公开时间）
references TextField - N - '' 参考链接（换行分隔，包含修复建议、详细分析等）

表约束：

  • cve_id 唯一性约束，确保不重复
  • cvss_score 范围 0.0-10.0（应用层验证）

字段说明：

  • cve_id：标准 CVE 编号格式，如 CVE-2021-44228（年份-编号）

  • description：中文描述，便于国内用户理解，例如：

    复制代码 
    Apache Log4j2 远程代码执行漏洞。攻击者可通过构造特殊的日志消息触发远程代码执行，
影响范围广泛，包括大量使用 Log4j2 的 Java 应用。

  • references：多行文本，存储参考链接，例如：

    复制代码 
    https://nvd.nist.gov/vuln/detail/CVE-2021-44228
https://logging.apache.org/log4j/2.x/security.html

示例数据：

sql 复制代码 
INSERT INTO knowledge_cve (cve_id, description, cvss_score, published_date) VALUES
('CVE-2021-44228', 'Apache Log4j2 远程代码执行漏洞', 10.0, '2021-12-10'),
('CVE-2021-34527', 'Windows Print Spooler 权限提升漏洞', 8.8, '2021-07-13');

4.3 数据库索引设计

为提高查询性能，在关键字段上建立索引：

  1. 资产表索引：

    • (ip, port) 联合唯一索引：加速关联查询
    • importance 索引：按重要性筛选资产

  2. 漏洞表索引：

    • asset_id 索引：查询资产相关漏洞
    • scan_task_id 索引：查询任务相关漏洞
    • risk_level 索引：按风险等级筛选
    • status 索引：按处置状态筛选
    • (ip, port) 联合索引：加速 IP+Port 查询

  3. 扫描任务表索引：

    • status 索引：按状态筛选任务
    • created_at 索引：按时间排序

4.4 数据库迁移

使用 Django 的 Migration 机制管理数据库结构变更：

bash 复制代码 
# 创建迁移文件
python manage.py makemigrations

# 应用迁移
python manage.py migrate

5. 系统架构与目录结构

系统基于 Python Django 框架开发，采用 MVT (Model-View-Template) 架构模式，实现前后端分离和模块化设计。

5.1 技术栈

后端技术：

  • 框架：Django 5.2.9（Python Web 框架）
  • 数据库：SQLite（开发环境）/ MySQL（生产环境）
  • 并发处理 ：Python threading 模块（多线程扫描）
  • 邮件服务 ：Django send_mail（预警通知）

前端技术：

  • UI 框架：Bootstrap 5（响应式布局）
  • 图表库：ECharts 5（数据可视化）
  • 模板引擎：Django Template（服务端渲染）

开发工具：

  • 数据分析：Pandas、Matplotlib、Seaborn（算法评估）
  • 版本控制：Git

5.2 系统架构图

复制代码 
┌─────────────────────────────────────────────────────────┐
│                     前端展示层                            │
│  (Bootstrap + ECharts + Django Templates)               │
├─────────────────────────────────────────────────────────┤
│                     业务逻辑层                            │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌─────────┐│
│  │ 资产管理  │  │ 扫描引擎  │  │ 风险分析  │  │ 预警通知 ││
│  │ (assets) │  │  (scans) │  │ (算法)   │  │ (email) ││
│  └──────────┘  └──────────┘  └──────────┘  └─────────┘│
├─────────────────────────────────────────────────────────┤
│                     数据访问层                            │
│              Django ORM (Model Layer)                    │
├─────────────────────────────────────────────────────────┤
│                     数据存储层                            │
│              SQLite / MySQL                                │
└─────────────────────────────────────────────────────────┘

5.3 后端目录结构 (system/)

复制代码 
system/
├── manage.py                          # Django 项目管理脚本
├── db.sqlite3                         # SQLite 数据库文件（开发环境）
│
├── vuln_platform/                     # 项目核心配置目录
│   ├── __init__.py
│   ├── settings.py                    # 项目配置文件（数据库、中间件、应用注册等）
│   ├── urls.py                        # 根 URL 路由配置
│   ├── wsgi.py                        # WSGI 部署配置
│   └── asgi.py                        # ASGI 部署配置（异步支持）
│
├── assets/                            # 资产管理应用
│   ├── __init__.py
│   ├── models.py                      # Asset 模型定义
│   ├── views.py                       # 视图函数（资产列表、导入、生成测试数据等）
│   ├── urls.py                        # 应用 URL 路由
│   ├── admin.py                       # Django Admin 配置
│   ├── apps.py                        # 应用配置
│   ├── tests.py                       # 单元测试
│   └── migrations/                    # 数据库迁移文件
│       └── 0001_initial.py
│
├── scans/                             # 扫描引擎应用（核心模块）
│   ├── __init__.py
│   ├── models.py                      # ScanTask、Vulnerability 模型定义
│   ├── views.py                       # 视图函数（任务列表、详情、看板等）
│   ├── utils.py                       # 核心工具函数（多线程扫描、风险计算、邮件预警）
│   ├── urls.py                        # 应用 URL 路由
│   ├── admin.py
│   ├── apps.py
│   ├── tests.py
│   └── migrations/                    # 数据库迁移文件
│       ├── 0001_initial.py
│       ├── 0002_scantask_scan_tool.py
│       └── 0003_scantask_logs_scantask_progress_and_more.py
│
├── accounts/                          # 用户认证应用
│   ├── __init__.py
│   ├── models.py                      # 用户模型（使用 Django 内置 User）
│   ├── views.py                       # 登录、注册、用户管理视图
│   ├── forms.py                       # 表单定义（UserCreationForm、AuthenticationForm）
│   ├── urls.py
│   ├── admin.py
│   ├── apps.py
│   ├── tests.py
│   └── migrations/
│
├── reports/                           # 报表应用
│   ├── __init__.py
│   ├── models.py                      # 报表模型（可选）
│   ├── views.py                       # 报表生成、下载视图
│   ├── urls.py
│   ├── admin.py
│   ├── apps.py
│   ├── tests.py
│   └── migrations/
│
├── knowledge/                         # 知识库应用
│   ├── __init__.py
│   ├── models.py                      # CVE 模型定义
│   ├── views.py                       # CVE 查询、列表视图
│   ├── urls.py
│   ├── admin.py
│   ├── apps.py
│   ├── tests.py
│   ├── migrations/
│   │   └── 0001_initial.py
│   └── templates/
│       └── knowledge/
│           └── cve_list.html          # CVE 列表模板
│
├── sys_config/                       # 系统配置应用
│   ├── __init__.py
│   ├── models.py
│   ├── views.py                       # 系统维护视图（备份、日志清理、状态监控）
│   ├── urls.py
│   ├── admin.py
│   ├── apps.py
│   ├── tests.py
│   └── migrations/
│
├── templates/                         # 前端模板目录
│   ├── base.html                      # 全局基座模板（侧边栏、顶部栏、公共样式）
│   ├── navigation.html                # 导航菜单模板
│   │
│   ├── accounts/                      # 用户认证模板
│   │   ├── login.html                 # 登录页面
│   │   ├── register.html              # 注册页面
│   │   ├── profile.html               # 个人信息页面
│   │   └── user_list.html             # 用户列表（管理员）
│   │
│   ├── assets/                        # 资产管理模板
│   │   ├── asset_list.html            # 资产列表
│   │   └── asset_detail.html          # 资产详情
│   │
│   ├── scans/                         # 扫描任务模板
│   │   ├── dashboard.html             # 风险看板（首页）
│   │   ├── scan_list.html             # 扫描任务列表
│   │   └── scan_detail.html           # 扫描任务详情
│   │
│   ├── reports/                       # 报表模板
│   │   ├── report_center.html         # 报表中心
│   │   └── vuln_kb.html               # 漏洞知识库（可选）
│   │
│   └── sys_config/                    # 系统配置模板
│       └── data_management.html      # 数据管理页面
│
└── static/                            # 静态资源目录
    ├── css/
    │   ├── bootstrap.min.css          # Bootstrap 5 样式库
    │   └── style.css                  # 自定义样式（玻璃拟态风格）
    ├── js/
    │   ├── bootstrap.bundle.min.js    # Bootstrap 5 JavaScript
    │   └── echarts.min.js             # ECharts 图表库
    └── img/                            # 图片资源

5.4 核心模块说明

5.4.1 vuln_platform/settings.py 配置说明

关键配置项：

python 复制代码 
# 已安装应用
INSTALLED_APPS = [
    'django.contrib.admin',      # Django 管理后台
    'django.contrib.auth',        # 用户认证系统
    'django.contrib.contenttypes',
    'django.contrib.sessions',
    'django.contrib.messages',
    'django.contrib.staticfiles',
    'assets',                     # 资产管理应用
    'scans',                      # 扫描引擎应用
    'accounts',                   # 用户认证应用
    'reports',                    # 报表应用
    'knowledge',                  # 知识库应用
    'sys_config',                # 系统配置应用
]

# 数据库配置
DATABASES = {
    'default': {
        'ENGINE': 'django.db.backends.sqlite3',  # 开发环境使用 SQLite
        'NAME': BASE_DIR / 'db.sqlite3',
    }
}

# 时区配置
LANGUAGE_CODE = 'zh-hans'         # 中文界面
TIME_ZONE = 'Asia/Shanghai'       # 中国时区

# 登录重定向
LOGIN_REDIRECT_URL = 'vuln_dashboard'  # 登录后跳转到风险看板
LOGOUT_REDIRECT_URL = 'login'          # 登出后跳转到登录页
LOGIN_URL = 'login'                     # 未登录访问保护页面时跳转
5.4.2 scans/utils.py 核心功能

多线程扫描引擎：

python 复制代码 
def run_scan_async(task_id):
    """
    异步执行扫描任务（在后台线程中运行）
    
    流程：
    1. 关闭旧数据库连接，避免 SQLite 锁死
    2. 更新任务状态为 running
    3. 模拟扫描过程（实际应调用 Nmap/OpenVAS API）
    4. 执行漏洞-资产关联算法
    5. 计算风险等级
    6. 创建漏洞记录
    7. 发送预警邮件（高危漏洞）
    8. 更新任务状态为 finished
    """
    # 实现细节见代码

风险计算函数：

python 复制代码 
def calculate_risk_level(cvss, importance):
    """
    计算最终风险等级
    
    参数:
        cvss: CVSS 基础评分
        importance: 资产重要性
    
    返回:
        (final_score, risk_level)
    """
    # 实现细节见代码

邮件预警函数：

python 复制代码 
def send_warning_email(vuln, email):
    """
    发送预警邮件给资产负责人
    
    邮件内容包含：
    - 漏洞名称、风险等级、CVSS 评分
    - 资产 IP、端口
    - 发现时间
    """
    # 实现细节见代码

6. 界面功能与技术实现详解

6.1 登录与注册

功能说明：

  • 用户注册：新用户填写用户名、邮箱、密码进行注册
  • 用户登录：已注册用户输入用户名和密码进行登录
  • 安全机制：CSRF Token 防护、密码加密存储（PBKDF2 哈希）

技术实现：

后端实现 （accounts/views.py）：

python 复制代码 
from django.contrib.auth.forms import UserCreationForm, AuthenticationForm
from django.contrib.auth import login

def register_view(request):
    """用户注册视图"""
    if request.method == 'POST':
        form = UserCreationForm(request.POST)
        if form.is_valid():
            user = form.save()
            login(request, user)  # 注册后自动登录
            return redirect('vuln_dashboard')
    else:
        form = UserCreationForm()
    return render(request, 'accounts/register.html', {'form': form})

def login_view(request):
    """用户登录视图"""
    if request.method == 'POST':
        form = AuthenticationForm(request, data=request.POST)
        if form.is_valid():
            user = form.get_user()
            login(request, user)
            return redirect('vuln_dashboard')
    else:
        form = AuthenticationForm()
    return render(request, 'accounts/login.html', {'form': form})

前端实现 （templates/accounts/login.html）：

  • 使用 Bootstrap 5 表单组件
  • 全屏背景图 + 半透明卡片设计（玻璃拟态风格）
  • 表单验证：前端 HTML5 验证 + 后端 Django 表单验证

安全机制：

  1. CSRF 防护：Django 中间件自动添加 CSRF Token
  2. 密码加密：使用 PBKDF2 算法（Django 默认），不可逆哈希
  3. 会话管理：使用 Django Session 框架，支持会话过期

6.2 系统导航 (Portal)

功能说明：

  • 统一入口：系统的功能导航页面，快速跳转至各功能模块
  • 模块分类 ：
    • 资产管理：资产列表、资产导入
    • 扫描任务：任务列表、创建任务
    • 风险看板：全局安全态势
    • 知识库：CVE 查询
    • 报表中心：报告生成
    • 系统维护：数据备份、日志管理

界面设计：

  • 卡片式布局：每个功能模块以卡片形式展示
  • Hover 特效：鼠标悬停时卡片放大、阴影加深
  • 响应式设计：移动端自动调整为单列布局

技术实现：

  • 使用 Bootstrap 5 Grid System（col-md-4 三列布局）
  • CSS 过渡动画（transition）实现悬停效果
  • Django 模板变量动态生成链接

6.3 风险看板 (Dashboard)

功能说明：

  • 全局安全态势感知：一站式展示系统整体安全状况
  • 关键指标卡片 ：
    • 严重漏洞数（Critical）：红色高亮
    • 高危漏洞数（High）：橙色警告
    • 中危漏洞数（Medium）：黄色提示
    • 低危漏洞数（Low）：绿色安全
  • 数据可视化 ：
    • 漏洞等级分布饼图：直观展示各等级漏洞占比
    • 近7天趋势折线图：展示漏洞数量变化趋势
    • 资产统计柱状图：按重要性统计资产数量

技术实现：

后端实现 （scans/views.py）：

python 复制代码 
@login_required
def vuln_dashboard(request):
    """风险看板视图"""
    vulns = Vulnerability.objects.all().order_by('-risk_level', '-cvss')
    recent_scans = ScanTask.objects.all().order_by('-created_at')[:5]
    
    # 统计各等级漏洞数量
    critical_count = vulns.filter(risk_level='Critical').count()
    high_count = vulns.filter(risk_level='High').count()
    medium_count = vulns.filter(risk_level='Medium').count()
    low_count = vulns.filter(risk_level='Low').count()
    
    context = {
        'vulns': vulns,
        'recent_scans': recent_scans,
        'critical_count': critical_count,
        'high_count': high_count,
        'medium_count': medium_count,
        'low_count': low_count,
    }
    return render(request, 'scans/dashboard.html', context)

前端实现 （templates/scans/dashboard.html）：

  • 统计卡片：使用 Bootstrap Card 组件，渐变背景色

  • ECharts 图表 ：

    javascript 复制代码 
    // 风险分布饼图
var riskChart = echarts.init(document.getElementById('riskPieChart'));
var riskOption = {
    tooltip: { trigger: 'item' },
    series: [{
        type: 'pie',
        data: [
            { value: {{ critical_count }}, name: 'Critical' },
            { value: {{ high_count }}, name: 'High' },
            { value: {{ medium_count }}, name: 'Medium' },
            { value: {{ low_count }}, name: 'Low' }
        ]
    }]
};
riskChart.setOption(riskOption);

数据传递：

  • Django 模板变量（{``{ critical_count }}）直接嵌入 JavaScript
  • ECharts 通过 JSON 数据渲染图表

6.4 资产管理

功能说明：

  • CMDB 核心视图：统一管理企业 IT 资产
  • 功能特性 ：
    • 资产列表：展示所有资产（IP、端口、服务、负责人、重要性）
    • 新增资产：手动录入新资产信息
    • 编辑资产：修改资产信息（负责人、重要性等）
    • 删除资产：删除不需要的资产记录
    • 一键生成测试数据：快速生成模拟资产数据，便于演示和测试
    • 一键扫描：直接对特定资产发起扫描任务
    • CSV 导入：批量导入资产数据

技术实现：

后端实现 （assets/views.py）：

python 复制代码 
@login_required
def asset_list(request):
    """资产列表视图"""
    assets = Asset.objects.all()
    return render(request, 'assets/asset_list.html', {'assets': assets})

@login_required
def asset_import(request):
    """CSV 导入资产"""
    if request.method == "POST":
        csv_file = request.FILES.get('csv_file')
        # 解析 CSV 文件
        reader = csv.DictReader(decoded_file)
        for row in reader:
            Asset.objects.update_or_create(
                ip=row['ip'],
                port=int(row['port']),
                defaults={
                    'service': row['service'],
                    'owner': row['owner'],
                    'importance': row.get('importance', 'medium')
                }
            )
    return redirect('asset_list')

@login_required
def generate_mock_data(request):
    """生成测试数据"""
    # 随机生成资产、扫描任务、漏洞数据
    # 用于演示和测试
    return redirect('asset_list')

数据模型约束：

  • unique_together = ('ip', 'port')：确保同一 IP 的同一端口不重复
  • GenericIPAddressField：自动验证 IP 地址格式
  • EmailField：自动验证邮箱格式

前端实现：

  • 使用 Bootstrap Table 组件展示数据
  • 响应式设计：移动端自动调整列宽
  • 操作按钮：编辑、删除、扫描（AJAX 请求）

6.5 扫描任务管理

功能说明：

  • 任务列表：展示所有扫描任务（目标 IP、工具、状态、进度、创建时间）
  • 创建任务：配置扫描目标、工具、参数，创建新任务
  • 任务状态 ：
    • pending（等待中）：任务已创建，等待执行
    • running（扫描中）：任务正在执行，显示实时进度
    • finished（已完成）：任务执行完成，可查看结果
    • failed（失败）：任务执行失败，显示错误信息
  • 进度显示：进度条实时显示扫描进度（0-100%）
  • 状态徽章：不同状态使用不同颜色标识
  • 操作功能 ：
    • 查看详情：跳转到任务详情页
    • 删除任务：删除不需要的任务记录

技术实现：

后端实现 （scans/views.py）：

python 复制代码 
@login_required
def scan_list(request):
    """扫描任务列表视图"""
    scans = ScanTask.objects.all().order_by('-created_at')
    return render(request, 'scans/scan_list.html', {'scans': scans})

@login_required
def create_scan(request):
    """创建扫描任务"""
    if request.method == 'POST':
        target_ip = request.POST.get('target_ip')
        scan_tool = request.POST.get('scan_tool', 'nmap')
        parameters = {
            'port_range': request.POST.get('port_range', 'common'),
            'intensity': request.POST.get('intensity', 'normal')
        }
        task = ScanTask.objects.create(
            target_ip=target_ip,
            scan_tool=scan_tool,
            parameters=json.dumps(parameters)
        )
        # 异步启动扫描（多线程）
        trigger_scan(task.id)
        return redirect('scan_detail', scan_id=task.id)
    return redirect('scan_list')

多线程扫描机制 （scans/utils.py）：

python 复制代码 
def trigger_scan(task_id):
    """启动后台扫描线程"""
    t = threading.Thread(target=run_scan_async, args=(task_id,))
    t.start()  # 非阻塞，立即返回

def run_scan_async(task_id):
    """后台扫描线程执行函数"""
    # 1. 关闭旧数据库连接，避免 SQLite 锁死
    connection.close()
    
    # 2. 更新任务状态
    task = ScanTask.objects.get(id=task_id)
    task.status = 'running'
    task.progress = 10
    task.logs = "扫描任务已启动...\n"
    task.save()
    
    # 3. 模拟扫描过程（实际应调用 Nmap/OpenVAS API）
    time.sleep(0.2)
    task.progress = 50
    task.save()
    
    # 4. 执行漏洞-资产关联和风险计算
    # ... (见算法部分)
    
    # 5. 更新任务状态
    task.status = 'finished'
    task.progress = 100
    task.save()

前端实现：

  • 进度条：Bootstrap Progress 组件，动态更新宽度
  • 状态徽章：Bootstrap Badge 组件，不同状态不同颜色
  • 实时刷新 ：JavaScript 定时器（setInterval）轮询任务状态

6.6 扫描任务详情

功能说明：

  • 任务信息：显示任务配置（目标 IP、工具、参数、状态、进度）
  • 实时日志：显示扫描过程的实时输出（Console Output）
  • 漏洞列表 ：展示该任务发现的所有漏洞
    • 漏洞名称、CVSS 评分、风险等级
    • 关联资产、IP、端口
    • 处置状态（new/processing/fixed）
  • 风险分布图表：ECharts 饼图展示该任务的风险等级分布
  • 漏洞操作 ：
    • 更新状态：标记为处理中或已修复
    • 添加备注：记录修复方法和时间

技术实现：

后端实现 （scans/views.py）：

python 复制代码 
@login_required
def scan_detail(request, scan_id):
    """扫描任务详情视图"""
    scan = get_object_or_404(ScanTask, id=scan_id)
    vulns = Vulnerability.objects.filter(scan_task=scan)
    
    # 统计该任务的风险分布
    risk_counts = {
        'Critical': vulns.filter(risk_level='Critical').count(),
        'High': vulns.filter(risk_level='High').count(),
        'Medium': vulns.filter(risk_level='Medium').count(),
        'Low': vulns.filter(risk_level='Low').count(),
    }
    
    context = {
        'scan': scan,
        'vulns': vulns,
        'risk_counts': risk_counts,
    }
    return render(request, 'scans/scan_detail.html', context)

前端实现：

  • 日志显示 ：<pre> 标签 + CSS 样式，保持格式
  • 实时刷新 ：JavaScript 定时器轮询 task.logs 和 task.progress
  • ECharts 图表：动态渲染风险分布饼图
  • 表单提交：AJAX 更新漏洞状态，无需刷新页面

6.7 漏洞知识库

功能说明：

  • CVE 查询：按 CVE 编号搜索漏洞详情
  • 漏洞列表 ：展示所有 CVE 记录
    • CVE 编号（如 CVE-2021-44228）
    • CVSS 评分
    • 漏洞描述（中文）
    • 发布日期
    • 参考链接
  • 详情展示：点击 CVE 编号查看详细信息

技术实现：

后端实现 （knowledge/views.py）：

python 复制代码 
@login_required
def cve_list(request):
    """CVE 列表视图"""
    query = request.GET.get('q', '')  # 搜索关键词
    if query:
        cves = CVE.objects.filter(cve_id__icontains=query)
    else:
        cves = CVE.objects.all()
    return render(request, 'knowledge/cve_list.html', {'cves': cves})

数据模型 （knowledge/models.py）：

  • cve_id：唯一标识，建立唯一索引
  • description：中文描述，便于理解
  • cvss_score：标准评分
  • published_date：发布日期

6.8 报表中心

功能说明：

  • 报表列表：展示已生成的报告（报告名称、生成时间、大小）
  • 生成报告：选择时间范围、风险等级，生成安全报告
  • 报告类型 ：
    • HTML 报告：网页格式，便于在线查看
    • PDF 报告：便携格式，便于打印和存档
  • 下载报告：点击下载按钮，浏览器自动下载报告文件

技术实现：

后端实现 （reports/views.py）：

python 复制代码 
@login_required
def report_center(request):
    """报表中心视图"""
    # 展示已生成的报告列表
    reports = [
        {'id': 1, 'name': '安全报告_2025-01-01.html', 'created_at': '2025-01-01', 'size': '2.5 MB'},
        # ...
    ]
    return render(request, 'reports/report_center.html', {'reports': reports})

@login_required
def download_report(request, report_id):
    """下载报告"""
    # 生成 HTML/PDF 内容
    html_content = generate_report_html(report_id)
    
    # 设置响应头，触发浏览器下载
    response = HttpResponse(html_content, content_type='text/html')
    response['Content-Disposition'] = 'attachment; filename="report.html"'
    return response

报告生成：

  • HTML 报告：使用 Django 模板生成 HTML 内容
  • PDF 报告 ：使用 reportlab 或 weasyprint 库生成 PDF

6.9 系统维护

功能说明：

  • 管理员专属区域：仅超级用户可访问
  • 系统状态监控 ：
    • CPU 使用率：实时显示服务器 CPU 使用情况
    • 内存使用率：显示服务器内存占用
    • 磁盘使用率：显示磁盘空间使用情况
    • 系统运行时间：服务器持续运行时间
    • 数据库大小：数据库文件占用空间
    • 日志大小：日志文件占用空间
  • 数据管理 ：
    • 数据备份：手动触发数据库备份，生成 SQL 文件
    • 备份历史：查看历史备份记录
    • 日志清理：清理过期日志文件
  • 系统信息：显示最后备份时间、系统版本等

技术实现：

后端实现 （sys_config/views.py）：

python 复制代码 
from django.contrib.auth.decorators import user_passes_test

def is_admin(user):
    """判断用户是否为管理员"""
    return user.is_superuser

@login_required
@user_passes_test(is_admin)  # 权限控制装饰器
def data_management(request):
    """系统维护视图"""
    # 获取系统状态（实际应调用系统 API）
    system_stats = {
        'cpu_usage': get_cpu_usage(),      # 实际应调用 psutil
        'memory_usage': get_memory_usage(),
        'disk_usage': get_disk_usage(),
        'uptime': get_uptime(),
        'db_size': get_db_size(),
        'log_size': get_log_size(),
    }
    return render(request, 'sys_config/data_management.html', {'stats': system_stats})

@login_required
@user_passes_test(is_admin)
def backup_db(request):
    """数据库备份"""
    # 使用 Django 的 dumpdata 命令导出数据
    # 或直接复制 SQLite 文件
    return redirect('data_management')

权限控制：

  • @user_passes_test(is_admin)：装饰器确保只有超级用户可访问
  • 非管理员访问时自动跳转到登录页

系统监控（实际实现）：

python 复制代码 
import psutil  # 系统监控库

def get_cpu_usage():
    """获取 CPU 使用率"""
    return psutil.cpu_percent(interval=1)

def get_memory_usage():
    """获取内存使用率"""
    memory = psutil.virtual_memory()
    return memory.percent

def get_disk_usage():
    """获取磁盘使用率"""
    disk = psutil.disk_usage('/')
    return disk.percent

6.10 用户管理

功能说明：

  • 用户列表 ：管理员查看所有注册用户
    • 用户名、邮箱、注册时间
    • 最后登录时间
    • 用户状态（活跃/禁用）
  • 用户操作 ：
    • 禁用用户：禁止用户登录
    • 删除用户：删除用户账户（谨慎操作）
    • 重置密码：管理员可重置用户密码

技术实现：

后端实现 （accounts/views.py）：

python 复制代码 
@login_required
@user_passes_test(is_admin)
def user_list(request):
    """用户列表视图（管理员）"""
    users = User.objects.all().order_by('-date_joined')
    return render(request, 'accounts/user_list.html', {'users': users})

6.11 个人信息

功能说明：

  • 个人资料 ：用户查看和编辑个人信息
    • 用户名（不可修改）
    • 邮箱地址（可修改）
    • 注册时间
    • 最后登录时间
  • 密码修改：用户可修改登录密码
  • 安全设置：双因素认证等（可选功能）

技术实现：

后端实现 （accounts/views.py）：

python 复制代码 
@login_required
def profile(request):
    """个人信息视图"""
    if request.method == 'POST':
        # 更新用户信息
        user = request.user
        user.email = request.POST.get('email')
        user.save()
        messages.success(request, '个人信息已更新')
    return render(request, 'accounts/profile.html')

7. 关键技术原理

7.1 多线程扫描引擎

7.1.1 设计背景

Web 应用采用同步请求-响应模型，如果扫描任务在主线程中执行，会导致：

  • 请求阻塞：用户需要等待扫描完成才能看到响应
  • 超时问题：长时间扫描可能导致 HTTP 请求超时
  • 用户体验差：界面卡顿，无法进行其他操作
7.1.2 解决方案

采用多线程模型，将扫描任务放到后台线程执行：

python 复制代码 
import threading
from django.db import connection

def trigger_scan(task_id):
    """
    启动后台扫描线程（非阻塞）
    """
    t = threading.Thread(target=run_scan_async, args=(task_id,))
    t.daemon = True  # 设置为守护线程，主进程退出时自动结束
    t.start()  # 立即返回，不等待线程完成

def run_scan_async(task_id):
    """
    后台扫描线程执行函数
    """
    try:
        # 关键步骤 1：关闭旧数据库连接
        # Django 的数据库连接是线程局部的，需要在子线程中重新建立
        connection.close()
        
        # 关键步骤 2：重新获取任务对象（在新线程中）
        task = ScanTask.objects.get(id=task_id)
        task.status = 'running'
        task.progress = 10
        task.logs = f"[{timezone.now()}] 扫描任务已启动\n"
        task.save()
        
        # 关键步骤 3：执行扫描逻辑
        # 模拟扫描过程（实际应调用 Nmap/OpenVAS API）
        time.sleep(0.2)
        task.progress = 50
        task.save()
        
        # 关键步骤 4：漏洞关联和风险计算
        for finding in mock_findings:
            # 漏洞-资产关联
            asset_match = Asset.objects.filter(ip=target, port=finding['port']).first()
            
            # 风险计算
            cvss = finding['cvss']
            importance = asset_match.importance if asset_match else 'medium'
            coeff = 1.2 if importance == 'high' else (0.8 if importance == 'low' else 1.0)
            final_score = cvss * coeff
            
            # 创建漏洞记录
            Vulnerability.objects.create(...)
        
        # 关键步骤 5：更新任务状态
        task.status = 'finished'
        task.progress = 100
        task.save()
        
    except Exception as e:
        # 错误处理
        task.status = 'failed'
        task.logs += f"\n错误: {str(e)}\n"
        task.save()
7.1.3 关键技术点

  1. 数据库连接管理：

    • Django 的数据库连接是线程局部的，每个线程需要独立的连接
    • 子线程中必须调用 connection.close() 关闭旧连接，然后 Django 会自动创建新连接
    • SQLite 限制：SQLite 不支持并发写入，多线程写入可能导致锁死，生产环境建议使用 MySQL/PostgreSQL

  2. 任务状态同步：

    • 主线程创建任务后立即返回，前端通过轮询获取任务状态
    • 子线程定期更新 task.progress 和 task.logs，前端实时显示

  3. 错误处理：

    • 使用 try-except 捕获异常，避免线程崩溃
    • 错误信息写入 task.logs，便于排查问题

7.2 动态风险计算

7.2.1 设计理念

风险等级不在入库时固定 ，而是在视图层实时计算，具有以下优势：

  1. 灵活性：可以随时调整重要性系数，无需重新扫描
  2. 可追溯性：保留原始 CVSS 评分，可以重新计算风险等级
  3. 可配置性：不同企业可以配置不同的重要性系数
7.2.2 实现方式

方式一：视图层计算（当前实现）

python 复制代码 
# scans/views.py
@login_required
def vuln_dashboard(request):
    vulns = Vulnerability.objects.all()
    
    # 实时计算风险等级（如果需要）
    for vuln in vulns:
        if vuln.asset:
            importance = vuln.asset.importance
            coeff = 1.2 if importance == 'high' else (0.8 if importance == 'low' else 1.0)
            final_score = vuln.cvss * coeff
            # 可以动态更新 risk_level（可选）
            # vuln.risk_level = calculate_level(final_score)
            # vuln.save()
    
    return render(request, 'scans/dashboard.html', {'vulns': vulns})

方式二：入库时计算（当前实现）

python 复制代码 
# scans/utils.py
def run_scan_async(task_id):
    # 在创建漏洞记录时计算风险等级
    final_score = cvss * coeff
    risk_level = 'Low'
    if final_score >= 9.0:
        risk_level = 'Critical'
    elif final_score >= 7.0:
        risk_level = 'High'
    elif final_score >= 4.0:
        risk_level = 'Medium'
    
    Vulnerability.objects.create(
        cvss=cvss,
        risk_level=risk_level,  # 入库时保存
        # ...
    )

推荐方案 ：采用方式二（入库时计算），因为：

  • 性能更好：避免每次查询都重新计算
  • 数据一致性：风险等级作为数据的一部分，便于统计和查询
  • 如果系数调整，可以通过数据迁移脚本批量更新

7.3 前端响应式布局

7.3.1 Bootstrap 5 Grid System

采用 Bootstrap 5 的 12 列网格系统实现响应式布局：

html 复制代码 
<div class="container-fluid">
    <div class="row">
        <!-- 侧边栏：桌面端占 3/12，移动端隐藏 -->
        <div class="col-md-3 d-none d-md-block">
            <nav>侧边栏导航</nav>
        </div>
        
        <!-- 内容区：桌面端占 9/12，移动端占 12/12 -->
        <div class="col-md-9">
            <main>主要内容</main>
        </div>
    </div>
</div>

响应式断点：

  • d-none d-md-block：移动端隐藏，桌面端（≥768px）显示
  • col-md-3：桌面端占 3/12 宽度
  • col-md-9：桌面端占 9/12 宽度
  • 移动端自动调整为单列布局（12/12）
7.3.2 玻璃拟态风格 (Glassmorphism)

使用 CSS 实现玻璃拟态效果：

css 复制代码 
/* style.css */
.card {
    background: rgba(255, 255, 255, 0.1);  /* 半透明背景 */
    backdrop-filter: blur(10px);           /* 背景模糊 */
    border: 1px solid rgba(255, 255, 255, 0.2);  /* 半透明边框 */
    border-radius: 15px;                   /* 圆角 */
    box-shadow: 0 8px 32px rgba(0, 0, 0, 0.1);  /* 阴影 */
}

7.4 ECharts 数据可视化

7.4.1 图表集成

使用 ECharts 5 实现数据可视化：

javascript 复制代码 
// 1. 初始化图表容器
var chartDom = document.getElementById('riskPieChart');
var myChart = echarts.init(chartDom);

// 2. 配置选项
var option = {
    tooltip: { trigger: 'item' },
    legend: { bottom: '0%' },
    series: [{
        type: 'pie',
        radius: ['40%', '70%'],  // 环形图
        data: [
            { value: {{ critical_count }}, name: 'Critical' },
            { value: {{ high_count }}, name: 'High' },
            // ...
        ]
    }]
};

// 3. 渲染图表
myChart.setOption(option);
7.4.2 数据传递

Django 模板变量直接嵌入 JavaScript：

html 复制代码 
<!-- templates/scans/dashboard.html -->
<script>
    var criticalCount = {{ critical_count }};  // Django 模板变量
    var highCount = {{ high_count }};
    // ...
</script>

注意事项：

  • 数字类型无需引号，字符串需要引号
  • 复杂数据结构使用 json_script 过滤器转换为 JSON

7.5 邮件预警机制

7.5.1 实现原理

当发现高危漏洞（Critical/High）时，自动发送邮件通知资产负责人：

python 复制代码 
# scans/utils.py
def send_warning_email(vuln, email):
    """
    发送预警邮件
    """
    subject = f"[警报] 发现高危漏洞: {vuln.name} (IP: {vuln.ip})"
    message = f"""
    致资产负责人:
    
    系统在您的资产 ({vuln.ip}:{vuln.port}) 上发现了高风险漏洞。
    
    漏洞详情:
    - 名称: {vuln.name}
    - 风险等级: {vuln.risk_level}
    - CVSS评分: {vuln.cvss}
    - 发现时间: {vuln.found_at}
    
    请尽快处理！
    """
    try:
        send_mail(
            subject,
            message,
            settings.DEFAULT_FROM_EMAIL,  # 发件人
            [email],  # 收件人列表
            fail_silently=False
        )
    except Exception as e:
        print(f"邮件发送失败: {e}")
7.5.2 邮件配置

在 settings.py 中配置邮件服务器：

python 复制代码 
# settings.py
EMAIL_BACKEND = 'django.core.mail.backends.smtp.EmailBackend'
EMAIL_HOST = 'smtp.example.com'  # SMTP 服务器地址
EMAIL_PORT = 587
EMAIL_USE_TLS = True
EMAIL_HOST_USER = 'noreply@example.com'  # 发件人邮箱
EMAIL_HOST_PASSWORD = 'password'  # 邮箱密码
DEFAULT_FROM_EMAIL = 'noreply@example.com'

7.6 权限控制机制

7.6.1 登录保护

使用 @login_required 装饰器保护需要登录的视图：

python 复制代码 
from django.contrib.auth.decorators import login_required

@login_required
def vuln_dashboard(request):
    # 未登录用户访问时自动跳转到 LOGIN_URL
    return render(request, 'scans/dashboard.html')
7.6.2 管理员权限

使用 @user_passes_test 装饰器限制管理员功能：

python 复制代码 
from django.contrib.auth.decorators import user_passes_test

def is_admin(user):
    return user.is_superuser

@login_required
@user_passes_test(is_admin)
def data_management(request):
    # 仅超级用户可访问
    return render(request, 'sys_config/data_management.html')

8. 项目部署与运行

8.1 环境要求

  • Python：3.8+
  • Django：5.2.9
  • 数据库：SQLite（开发）/ MySQL（生产）
  • 操作系统：Windows / Linux / macOS

8.2 安装步骤

bash 复制代码 
# 1. 克隆项目
git clone <repository_url>
cd program/system

# 2. 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/macOS
# 或
venv\Scripts\activate  # Windows

# 3. 安装依赖
pip install django

# 4. 数据库迁移
python manage.py migrate

# 5. 创建超级用户
python manage.py createsuperuser

# 6. 运行开发服务器
python manage.py runserver

8.3 生产环境部署

使用 Gunicorn + Nginx：

bash 复制代码 
# 安装 Gunicorn
pip install gunicorn

# 启动 Gunicorn
gunicorn vuln_platform.wsgi:application --bind 0.0.0.0:8000

# Nginx 配置（/etc/nginx/sites-available/vuln_platform）
server {
    listen 80;
    server_name example.com;
    
    location / {
        proxy_pass http://127.0.0.1:8000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
    
    location /static/ {
        alias /path/to/static/;
    }
}

9. 总结

本平台成功实现了从资产录入、自动扫描到风险预警的闭环管理。通过引入资产重要性因子，解决了传统扫描工具"只报漏洞不分轻重"的痛点，为企业提供了一个可视、可控、可管的轻量级安全运营中心 (SOC)。

9.1 项目亮点

  1. 智能关联：通过 (IP, Port) 精确匹配，实现漏洞与资产的自动关联
  2. 精准评估：结合 CVSS 和资产重要性，计算最终风险等级
  3. 自动化预警：高危漏洞自动通知资产负责人，提高处置效率
  4. 可视化展示：风险看板、图表分析，直观展示安全态势
  5. 模块化设计：前后端分离，易于扩展和维护

9.2 技术特色

  1. 多线程扫描：后台异步执行，不阻塞 Web 请求
  2. 响应式布局：适配桌面端和移动端
  3. 数据可视化：ECharts 图表，直观展示安全数据
  4. 权限控制：基于 Django 的细粒度权限管理

9.3 未来改进方向

  1. 机器学习：使用历史数据训练模型，自动调整重要性系数
  2. 实时监控：集成 Prometheus + Grafana，实现实时监控
  3. API 接口：提供 RESTful API，支持第三方系统集成
  4. 多租户支持：支持多个企业独立使用
  5. 漏洞修复建议：自动生成漏洞修复建议和补丁链接

附录

A. 参考文献

B. 项目文件清单

  • system/：Django 项目源码
  • algorithm/algorithm.ipynb：算法评估 Notebook
  • explaination/详解.md：本文档
  • explaination/images/：项目截图和算法图表
相关推荐
荣--1 天前
一键部署不是为了省时间 —— 它是把"买来的 PaaS"变成"自己的平台"的拐点
运维·zabbix·工程化·一键部署·平台化·边界设计
江华森1 天前
动手实战学 Docker — 从零到集群编排完全指南
运维
Avan_菜菜2 天前
FRP 内网穿透完整实战：从 HTTP 映射到 HTTPS 自签代理
运维·nginx·https
SelectDB3 天前
Litefuse 开源并推出单进程轻量模式，25 秒就能跑起来的 Agent 可观测与评估平台
运维·后端·自动化运维
XIAOHEZIcode5 天前
Linux系统鼠标偏移常见原因以及修复方案
linux·运维·游戏
用户0328472220705 天前
如何搭建本地yum源(上)
运维
大树888 天前
金刚石散热越强，管路越先见顶
大数据·运维·服务器·人工智能·ai
摇滚侠8 天前
Linux CentOS7 rpm 安装 MySQL 5.7
linux·运维·mysql
霸道流氓气质8 天前
领域驱动设计（DDD）在 Spring Boot 微服务中的实践指南
运维·spring boot·微服务
Inhand陈工8 天前
基于台达PLC与映翰通IG502的智慧水产养殖精准投喂与远程运维解决方案
运维·人工智能·物联网·阿里云·信息与通信
热门推荐
012026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？022026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf032026年6月AI行业全景：从百模大战到Agent元年，这30天发生了什么？04Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析05【AI】2026 年具身智能模型和世界模型总结06GitHub 镜像站点07【AI总结】2026年6月 主流国内外大模型总结08飞书长连接_事件订阅（接收消息，审批任务状态变更）09Trae国际版与国内版深度测评：AI原生IDE的双生花10AI科技热点日报 | 2026年6月1日