vulnrepo
Vulnrepo 是一款专为渗透测试人员和安全审计师打造的开源漏洞报告生成与管理平台。它致力于解决传统报告编写耗时费力、数据协作存在泄露风险以及多源扫描结果难以统一整合的痛点，帮助用户快速产出专业且标准化的安全报告。
该工具的核心优势在于其极致的安全性与高效的自动化能力。Vulnrepo 采用纯前端架构，所有数据的加密（AES）与解密均在浏览器本地完成，默认不向任何后端服务器发送信息，真正实现了端到端加密和数据隐私的绝对掌控。在功能上，它支持一键导入 Nmap、Nessus、Burp Suite、OpenVAS 等多种主流扫描器的结果，并内置了涵盖 CVE、CWE、MITRE ATT&CK 及 PCI DSS 标准的丰富模板，大幅减少了重复录入工作。用户可灵活导出 TXT、HTML、DOCX 等格式报告，自动记录变更日志，甚至集成本地 AI 大模型辅助分析。
无论是独立安全研究员、企业安全团队，还是参与漏洞赏金计划的白帽子，都能利用 Vulnrepo 轻松管理从发现到报告的全流程。其无需复杂后端部署、支持 Docker 容器化运行以及高度可定制的特性，使其成为提升安全交付效率的理想选择。
使用场景
某安全团队正在对一家金融客户的核心交易系统执行年度渗透测试，需在极短时间内交付一份包含多源扫描数据且高度机密的合规报告。
没有 vulnrepo 时
- 数据整合繁琐：分析师需手动将 Nmap、Burp Suite 和 Nessus 的扫描结果复制粘贴到 Word 中，格式错乱且极易遗漏关键漏洞细节。
- 隐私泄露风险：使用在线 SaaS 报告平台意味着敏感的金融系统漏洞数据必须上传至第三方服务器，违反客户的数据主权要求。
- 协作效率低下：团队成员间通过邮件或即时通讯工具传递报告草稿，缺乏统一的版本控制和变更日志，导致最终交付物内容冲突。
- 标准化难度大：每次编写报告都要重新查找 CWE 编号和 MITRE ATT&CK 映射，难以保证所有漏洞描述符合 PCI DSS 等合规标准。
使用 vulnrepo 后
- 一键导入聚合：直接导入 Nmap、Burp 和 Nessus 的原始输出文件，vulnrepo 自动解析并生成结构化的漏洞列表，支持批量编辑与去重。
- 本地端到端加密：所有数据仅在浏览器本地进行 AES 加密存储，无需后端服务器，确保金融敏感数据从未离开过分析师的电脑。
- 智能版本管理：内置自动变更日志功能，清晰记录每一次修改痕迹，团队成员可基于同一加密项目文件协作，彻底消除版本混乱。
- 模板与合规加速：调用预置的 PCI DSS 和 CVE 模板快速填充内容，甚至可接入本地私有 LLM 辅助撰写修复建议，大幅提升报告专业度。
vulnrepo 通过纯前端架构和本地化智能处理，将原本耗时数天的报告编写工作缩短至几小时，同时完美解决了数据安全与合规标准化的双重难题。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明
快速开始
VULNRΞPO - 漏洞报告生成器与存储库
视频教程：
功能特性
- 安全性
- 项目使用浏览器进行加密/解密（AES），并将数据本地存储。数据完全保密，采用端到端加密，默认情况下不会发送任何数据到外部。无后端系统，仅使用前端技术，纯 JavaScript 客户端。
- 使用自定义问题模板！
- 使用模板可以大大加快渗透测试人员或安全审计员的工作效率。还可以导入 CVE、CWE、MITRE ATT&CK 或 PCI DSS 数据。
- 导入安全扫描工具的漏洞信息
- 支持从以下工具导入：Nmap、Nessus、Burp、OpenVAS、Bugcrowd、Trivy、NPM、Semgrep、Composer。导入后，可轻松管理和编辑漏洞。
- TXT、HTML、DOCX 和 PDF 格式
- 您可以下载 TXT、HTML、DOCX 格式的报告！同时提供加密版本的 HTML 报告！如果需要 PDF，只需将 HTML 报告“另存为 PDF”即可。
- 附件功能
- 您可以轻松附加任何文件，例如截图、视频或扫描工具输出的文本文件。系统会自动为附加文件计算 SHA256 哈希值。
- 变更日志
- 报告中的所有重要变更都会记录在变更日志中，并更新到下个版本的报告中。
- 导出问题
- 您可以将问题导出到流行的缺陷跟踪系统，如 Atlassian JIRA，或者以安全的方式仅共享问题。
- 分享报告
- 您可以默认使用 AES 加密来分享您的报告。
- API 集成
- 您可以构建自己的后端系统来存储报告！
- 报告模板定制
- 新版 HTML 报告支持轻松编辑模板或 CSS。
- 方法论
- 在进行研究时，使用审计工具确保报告中不遗漏任何内容！
- AI/LLM
- 您可以在本地使用自己喜爱且私有的 LLM 模型！
开发服务器
运行 ng serve 启动开发服务器。访问 http://localhost:4200/。当您更改任何源文件时，应用会自动重新加载。
构建
运行 ng build 来构建项目。构建产物将被存储在 dist/ 目录中。使用 -c production 标志进行生产环境构建。
DEV 环境
您可以从 dev 分支测试我们的最新更改，访问：https://dev.vulnrepo.com/
Docker 部署
官方 Docker 镜像：https://hub.docker.com/r/kac89/vulnrepo
许可证
VULNRΞPO 依据 Apache 2.0 许可证 发布。
常见问题
相似工具推荐
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
funNLP
funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。
gpt4all
GPT4All 是一款让普通电脑也能轻松运行大型语言模型（LLM）的开源工具。它的核心目标是打破算力壁垒，让用户无需依赖昂贵的显卡（GPU）或云端 API，即可在普通的笔记本电脑和台式机上私密、离线地部署和使用大模型。 对于担心数据隐私、希望完全掌控本地数据的企业用户、研究人员以及技术爱好者来说，GPT4All 提供了理想的解决方案。它解决了传统大模型必须联网调用或需要高端硬件才能运行的痛点，让日常设备也能成为强大的 AI 助手。无论是希望构建本地知识库的开发者，还是单纯想体验私有化 AI 聊天的普通用户，都能从中受益。 技术上，GPT4All 基于高效的 `llama.cpp` 后端，支持多种主流模型架构（包括最新的 DeepSeek R1 蒸馏模型），并采用 GGUF 格式优化推理速度。它不仅提供界面友好的桌面客户端，支持 Windows、macOS 和 Linux 等多平台一键安装，还为开发者提供了便捷的 Python 库，可轻松集成到 LangChain 等生态中。通过简单的下载和配置，用户即可立即开始探索本地大模型的无限可能。