#attack-surface-management Repositories
Entdecke 14 aktive Open-Source-GitHub-Repositories, die mit #attack-surface-management getaggt sind und insgesamt 44,329 Sterne gesammelt haben (durchschnittlich 3,166 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist 1N3/Sn1per mit 11,563 Sternen.
Insgesamt 14 Repositories
Plattform für automatisierte Penetrationstests und Angriffsflächenmanagement. Aufklärung, Scans, Exploits und Berichte – über 600 Exploits, über 90 Integrationen und über 10.000 Erkennungen.
Datenpipelines für Cloud-Konfigurations- und Sicherheitsdaten. Erstellen Sie Lösungen für Cloud-Asset-Inventarisierung, CSPM, FinOps und Schwachstellenmanagement. Extraktion aus AWS, Azure, GCP und über 70 Cloud- und SaaS-Quellen.
Zusammenstellung von Ressourcen aus dem OSINT-Kurs von TCM
ElectricEye ist ein Multi-Cloud-, Multi-SaaS-Python-CLI-Tool für Asset Management, Security Posture Management und Attack Surface Monitoring, das Hunderte von Diensten und Auswertungen unterstützt, um Ihre CSP- und SaaS-Umgebungen mit Kontrollen zu härten, die mehr als 20 branchen-, regulatorischen und Best-Practice-Kontrollrahmen zugeordnet sind.
Mantis ist ein Sicherheitsframework, das den Workflow von Discovery, Erkundung und Schwachstellenscans automatisiert.
Evidenzbasiertes KI-Tool zur Asset-Kartierung und Sicherheitsbewertung. Verknüpfen Sie Asset-Erkennung, KI-Reflexion, autorisierte Verifizierung und Berichtserstellung in natürlicher Sprache und integrieren Sie FOFA, Nuclei und KI-Assistenten in einen einzigen Workflow. Native Unterstützung für CLI / MCP / Skill / REST API.
TestNet-Asset-Management-System (Asset-Management | Informationssammlung | Angriffsflächenmanagement | Subdomain-Scan | C-Segment-Scan | Port-Scan | Schwachstellenscan | Hunter | Fofa)
KI-zentrierte Bewertung der externen Angriffsfläche mit kontinuierlicher Erkennung, evidenzbasierter Validierung von Schwachstellen und MCP-Integration für Entwickleragenten.
Open-Source-Plattform für Attack Surface Management und autorisierte Sicherheitsautomatisierung für Asset-Discovery, Service-Probing, Scan-Orchestrierung und Sicherheitsergebnismanagement.
Offensive-Sicherheitsplattform zur Automatisierung der Erkennung der Angriffsfläche und des Schwachstellenmanagements
Moderne Plattform zur Erkundung der Angriffsfläche und Überwachung von Assets – auf Basis des klassischen ARL neu entwickelt, mit asynchroner, entkoppelter Planung, unternehmensweiter Asset-Korrelation und nativer MCP-Unterstützung. Für Docker bereit.
Häufig gestellte Fragen
Welches ist das beliebteste #attack-surface-management-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#attack-surface-management-Projekt auf GitHub ist 1N3/Sn1per mit 11,563 Sternen. Plattform für automatisierte Penetrationstests und Angriffsflächenmanagement. Aufklärung, Scans, Exploits und Berichte – über 600 Exploits, über 90 Integrationen und über 10.000 Erkennungen.
Welche Programmiersprachen werden in #attack-surface-management-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #attack-surface-management-Projekten auf GitHub sind Python, Shell, Go, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #attack-surface-management-Repositories berechnet?
Wir verfolgen 14 aktive Open-Source-Repositories, die mit #attack-surface-management getaggt sind (500+ Sterne), mit insgesamt 44,329 Sternen und durchschnittlich 3,166 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.