# openASES

**Repository Path**: SteveRocket/openASES

## Basic Information

- **Project Name**: openASES
- **Description**: 网络安全体系化建设SCMDB、EDR、NDR、CAASM、AEMS、HoneyPot、SIEM、XDR、VAS、LAS、TIS、VDBS、SOAR、THS、DSAS、AISPM、WAF、WSM、SSAP、NSRT、SecTools、ASES、BSMPS、UEBA、TPFWS、CNAPP、PTS、IoT SOC、AISOC
http://www.mdrsec.com
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-03
- **Last Updated**: 2026-07-03

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 网络安全自动化等保测评系统（ASES）

## 关于我们

- 官网：<img src="static/logo-pink.png" style="width:33px;" alt="logo"> http://www.mdrsec.com

我们的技术文章和产品概述欢迎浏览我们的门户。

- 公众号：CTO Plus

最新的动态欢迎关注我们官方唯一公众号。

<img src="static/wechat.png" style="width:433px;" alt="微信公众号">

- 作者QQ

更详细更具体的需求，或者项目合作，或者问题 欢迎联系我。

<img src="static/author.jpg" style="width:433px;" alt="我的QQ">

- QQ群

我们官方组建的QQ群，如果您有兴趣也可以加入我们。

<img src="static/qq_qun.jpg" style="width:433px;" alt="QQ群">

- 请喝咖啡

如果感兴趣，也可以请我喝杯咖啡

<img src="static/zhifubao.jpg" style="width:433px;" alt="请我喝咖啡">

## 产品核心功能模块

![](index.jpg)
![](vul-libs.jpg)
![](vul-list.jpg)

网络安全等级保护制度作为中国网络安全领域的基础性制度，已实施近二十年。然而，传统的等保测评工作模式却长期停留在“手工业时代”——测评人员携带检查清单逐项核对，手工截图留存证据，回到办公室后耗费数日撰写报告，再经历多轮人工审核方能定稿。这种模式在测评需求爆发式增长的当下，日益暴露出三重结构性矛盾：

**效率与规模的冲突**：一份三级等保测评报告动辄数百页，涉及数百个测评项的逐一取证、记录、判定，熟练测评师完成全套流程仍需3-5个工作日。而全国每年需要测评的系统数量以十万计，测评机构的人力增长速度远跟不上需求扩张。

**质量与标准化的博弈**：测评报告的质量高度依赖个人经验和责任心。不同测评师对同一风险点的判定可能存在差异，同一机构不同时期的报告质量参差不齐，行业监管部门的报告抽查合格率长期在低位徘徊，成为测评机构负责人的核心焦虑。

**合规成本与价值的背离**：被测评单位为通过等保投入大量资源，但获得的往往只是一份“通行证”式的测评报告。测评过程中积累的海量数据未能转化为持续改进的安全能力，合规投入的价值未能充分释放。

正是在这一背景下，我们自研的**网络安全自动化等保测评系统（Automated Security Evaluation System for Cybersecurity Grading Protection，简称ASES）** 应运而生。它并非简单地将纸质检查表电子化，而是以“自动化采集—智能化判定—标准化输出—数据化运营”为核心逻辑，重构等保测评工作流的平台级产品。

对于测评机构或需自建测评能力的大型企业，ASES选型建议关注以下维度：

**标准合规性**：系统是否紧跟公安部最新报告模板与测评标准？供应商是否具备及时响应标准变更的能力？这是选型的准入门槛。

**采集覆盖率**：对主流操作系统、数据库、网络设备、云平台的采集适配器是否完整？对国产化环境（信创终端、国产数据库）的支持程度如何？

**判定准确性**：可要求供应商提供判定规则库的规模与更新机制说明，最好通过实际项目的并行测试验证判定质量——同一项目分别使用人工和系统判定，对比结果的一致性。

**可扩展性**：是否支持行业扩展要求的快速配置？是否提供API接口以便与用户现有OA、CRM系统对接？

**数据安全**：系统自身的合规资质（是否通过等保三级认证）、数据加密强度、权限粒度、审计日志完整性。

**厂商服务能力**：供应商的技术支持响应速度、培训体系的完善程度、客户成功案例的规模与质量。

所以，这里我将为大家介绍下我们自研的产品网络安全自动化等保测评系统（ASES）

## 一、架构

我们的ASES本质是一个覆盖等保测评全生命周期的数字化作业平台，架构设计遵循“采—析—判—写—管”五层递进逻辑：

- 数据采集层：面向测评对象的多样化——操作系统、数据库、网络设备、安全设备、应用系统、云平台、物联网终端——提供多种采集适配器。包括基于SSH/WinRM/API的主动采集探针、无代理的漏洞扫描引擎、流量旁路分析模块，以及适配工控、物联网等特殊场景的便携式采集终端。
- 分析引擎层：将采集到的配置信息、漏洞数据、策略状态等原始数据，按照等保标准条款进行结构化映射。这一层的核心是将技术语言转化为合规语言——例如将“防火墙某条策略配置为any-to-any”映射为“边界访问控制存在高风险不符合项”。
- 智能判定层：嵌入大语言模型与专家知识库，对分析结果进行风险等级判定，自动生成符合公安部报告模板要求的测评结论。先进的ASES系统已实现从“辅助判定”向“自主判定”的跨越。
- 报告生成层：基于判定结果与证据链，自动生成符合最新模板要求的测评报告，并支持在线协同审核、版本管理、电子签章等功能。
- 数据运营层：汇聚历史项目数据，形成多维统计分析与质量追溯能力，为测评机构的管理决策提供数据支撑。

目的是“把标准交给系统，把判断留给专家”——将繁琐的数据采集、格式规范、一致性校验等机械劳动交由自动化工具完成，让测评师将精力聚焦于复杂风险场景的综合研判。

## 二、核心功能模块详解

自动化数据采集与资产发现

ASES的数据采集能力决定了整个系统的效能上限。成熟的ASES产品需具备以下采集能力矩阵：

- 主机与终端采集：通过标准化协议（SSH、WinRM、WMI等）远程获取操作系统版本、补丁状态、账户策略、密码策略、审计策略、服务状态、端口监听等数十类配置项。支持主流Linux发行版、Windows Server系列、国产操作系统（麒麟、统信等）的深度信息提取。
- 网络设备与安全设备采集：通过SNMP、NetConf、REST API等方式，获取防火墙、路由器、交换机、负载均衡、VPN网关的访问控制列表、NAT策略、VPN配置、管理面安全设置等。头部厂商设备（华为、华三、思科、深信服、奇安信等）应实现自动化策略解析。
- 数据库与中间件采集：覆盖Oracle、MySQL、SQL Server、PostgreSQL等主流数据库的版本信息、账户权限、口令策略、审计配置、加密状态；覆盖Tomcat、Nginx、IIS、WebLogic等中间件的安全配置基线。
- 云平台与虚拟化采集：通过云平台API获取虚拟网络拓扑、安全组策略、存储加密状态、账户体系等云原生安全配置。需支持华为云、阿里云、腾讯云、天翼云等主流云平台。
- 漏洞与脆弱性扫描：内置或集成漏洞扫描引擎，覆盖系统漏洞、Web漏洞、弱口令、配置缺陷等多维脆弱性检测。检测结果自动关联至对应测评项，形成证据链闭环。
- 资产发现与拓扑绘制：通过网络嗅探、ARP扫描、路由表分析等手段，自动发现测评范围内的存活资产，绘制网络拓扑图。资产信息与测评记录双向关联，杜绝“遗漏资产”这一常见测评质量事故。

## 三、核心功能模块详解

### 3.2 智能判定与AI辅助分析

这一模块的能力梯度大致分为三个层级：

**规则引擎判定（基础层）**：基于预设的判定规则库，对采集数据进行“符合/部分符合/不符合/不适用”的四档匹配。例如，“密码长度≥8位且包含3种以上字符类型”对应“符合”，“密码长度<8位”对应“不符合”。规则库需持续更新以跟随等保标准的修订节奏。

**关联分析与交叉校验（进阶层）**：这是ASES与简单检查工具的分水岭。我们的系统对同一测评对象在不同维度采集的数据进行一致性校验——例如，防火墙策略中开放了某端口，但主机端口监听状态显示该端口未开启，系统自动标记为“数据不一致需核查”；网络拓扑图中标注的边界设备，与测评记录中的设备清单自动比对，发现遗漏即告警。这些跨维度的矛盾发现能力，传统人工审核往往需数小时才能察觉。

**大语言模型智能辅助（创新层）**：2024年以来，以LLM为核心的AI能力开始深度嵌入ASES。具体应用场景包括：
- **智能判定建议**：对于规则库无法覆盖的复杂场景（如特定业务逻辑下的风险判定），LLM基于历史判定数据和专家知识给出判定建议及依据。
- **风险描述自动生成**：将技术参数自动转译为符合监管要求的风险描述语言，既保证专业性又符合报告规范。
- **整改建议智能推荐**：根据发现的不符合项，自动生成可落地的整改方案，包括具体配置命令、补丁链接、策略优化建议等。
- **报告质量审查**：模拟监管专家视角，对报告全文进行逻辑一致性、格式规范性、术语准确性审查，生成问题清单与修改建议。

### 3.3 报告生成与全流程质量管控

报告是等保测评的最终交付物，也是ASES价值的集中体现。该模块的核心功能包括：

**模板适配引擎**：紧跟公安部报告模板的版本迭代——如2025版模板对部分章节结构、判定表述、证据呈现方式进行了调整，ASES在模板发布后快速适配，确保输出报告“开箱即合规”。

**动态报告组装**：将测评记录、证据截图、漏洞详情、风险判定等离散数据，按照报告模板的结构化要求自动填充至对应位置。图片证据与文字描述智能关联，拓扑图中的设备节点与资产清单中的条目一一对应。

**在线协同审核**：报告初稿生成后，进入多级审核流程。审核人员可在系统内以批注形式提出修改意见，系统记录每一次修改痕迹与审核结论，形成完整的质量追溯链。部分系统已实现“审核意见—问题定位—一键跳转”的联动，审核人点击批注即可定位至对应测评项及原始证据。

**质量校验规则库**：内置数百条报告质量校验规则，覆盖格式合规性（页边距、字体、行距是否符合模板要求）、逻辑一致性（同一测评对象在不同章节的描述是否矛盾）、数据完整性（必填字段是否缺失）、判定准确性（高风险项是否匹配相应整改建议）等维度。系统自动扫描并标记存疑项，将质量控制前置至报告生成环节而非事后抽查。

**版本管理与电子签章**：支持报告的版本回溯与差异比对，确保修改过程可追溯。集成电子签章系统，实现报告的在线签署与防伪验证。

### 3.4 项目管理与全过程追溯

ASES不仅是技术工具，更是测评机构的管理平台。项目管理模块覆盖从合同签订到报告交付的完整业务链条：

**项目生命周期管理**：支持项目立项、团队分配、进度规划、里程碑管理。系统根据项目定级（二级/三级/四级）、测评对象数量、网络复杂度等因素，自动估算工作量与关键路径。

**任务调度与协同**：测评任务可分解至具体执行人，系统跟踪每个人的任务完成状态与用时。现场测评阶段支持多人协同作业，数据实时同步——A完成网络设备测评、B完成服务器测评，两人的数据在云端即时合并，避免版本冲突。

**证据链完整归档**：每一次数据采集、每一项判定、每一处修改均记录操作人、操作时间、操作内容。测评原始数据与报告终版同步归档，满足监管对测评过程可追溯的刚性要求。

**人员能力矩阵管理**：关联测评师的资质证书、培训记录、项目经验，系统根据项目等级自动校验人员配置是否满足监管要求（如三级等保项目需配置特定数量的中级以上测评师）。

### 3.5 数据分析与持续运营

ASES沉淀的项目数据是一项被低估的战略资产。数据分析模块将这些数据转化为可操作的洞察：

**质量维度分析**：统计机构内不同测评师、不同项目类型的报告返修率、审核不通过率、常见错误分布，精准定位质量薄弱环节，为针对性培训提供依据。

**效率维度分析**：对比不同项目的人均耗时、阶段耗时，识别效率瓶颈。例如，某类网络设备的测评耗时显著高于平均水平，可能意味着采集适配器需优化或人员需专项培训。

**风险态势感知**：聚合分析所有测评项目中发现的高频风险项——如“某行业普遍存在弱口令问题”“某地区政务系统补丁管理滞后”——形成行业或区域的风险热力图，为监管部门和行业主管提供决策参考。

**客户安全画像**：为被测评单位生成持续的安全态势追踪，对比历次测评结果的变化趋势，量化安全投入的实际成效，让等保从“一次性考试”变为“持续体检”。

## 四、差异化特性与行业实践

### 4.1 场景化适配能力

不同行业的等保测评存在显著的场景差异，我们的ASES具备灵活的适配能力：

**通用信息系统场景**：适用于政务、教育、企业等通用场景，内置等保二级/三级通用要求检查项，覆盖边界防护、安全审计、访问控制、数据备份等基础安全域。

**云计算扩展场景**：针对云平台及云上业务系统，增加云安全扩展要求检查项——安全隔离、镜像安全、快照保护、云审计等。支持通过云API直接采集云平台自身安全配置。

**工控系统扩展场景**：针对工业控制系统，增加工控安全扩展要求检查项——控制网络隔离、工业协议、上位机安全加固、控制器访问控制等。部分ASES产品配套便携式工控安全检查设备，适配生产网无法安装Agent的约束。

**物联网扩展场景**：针对智慧城市、车联网等场景，增加物联网安全扩展要求检查项——终端身份管理、通信加密、固件安全、感知层接入控制。

**大数据扩展场景**：针对大数据平台，增加数据安全扩展要求——数据分类分级、数据脱敏、审计日志留存、数据跨境评估。

### 4.2 部署模式灵活性

ASES的目标用户覆盖不同规模的测评机构、行业监管部门、大型企业的自评团队，部署模式灵活适配：

**SaaS云服务模式**：适用于中小测评机构，即开即用，按项目或按年订阅。系统供应商负责运维与模板更新，用户零运维负担。

**私有化部署模式**：适用于对数据主权敏感的大型测评机构和监管部门。系统部署在用户自有数据中心，测评数据不出用户可控范围。头部产品可满足等保三级和密评三级对系统自身的安全要求。

**一体机模式**：软硬一体交付，适用于分支机构或现场作业场景。设备内置ASES系统及必要的漏洞扫描引擎，即插即用，降低部署复杂度。

### 4.3 行业典型案例解析

**某省级公安厅测评中心**：作为监管单位，其核心痛点是辖区内数十家测评机构提交的报告质量参差不齐，人工抽查覆盖面有限。部署ASES后，实现了报告的自动化前置审查——不符合模板规范、存在明显逻辑矛盾的报告在提交前即被退回修改，报告抽查合格率显著提升。系统沉淀的测评数据还为全省网络安全态势分析提供了第一手素材。

**某水利局等保合规建设**：作为被测评单位，面临预算有限、人手紧缺、整改周期短的“三难”局面。采用ASES一体机方案后，设备到场即部署，集成防火墙、终端安全、日志审计、堡垒机四大能力，两个月内完成从整改到测评通过的全流程，满足了等保二级合规要求。

**某互联网医疗ISV**：作为SaaS服务商，需要通过等保三级以满足医疗行业准入要求。ASES服务商提供“测评+整改+运维”一站式方案，专职项目经理统筹进度，定制化安全产品组合精准匹配合规要求，两月内通过测评，保障了业务合规上线。

## 五、我们ASES的未来规划

ASES的发展正处于从“效率工具”向“智能平台”跨越的关键期，未来将呈现三大趋势：

**AI深度耦合**：LLM将从当前的“辅助判定”演进为“自主判定+解释生成”，甚至模拟监管专家视角进行“对抗性质询”——主动挑战测评结论的合理性，倒逼测评质量提升。

**生态互联互通**：ASES将与漏洞扫描器、配置核查工具、威胁情报平台、安全运营中心（SOC）形成数据互通生态。测评发现的脆弱点可直接推送至运营平台生成处置工单，实现“测评—整改—验证”的自动化闭环。

**从“测评”到“持续合规”** ：ASES的能力将向前延伸至建设阶段的合规设计指导，向后延伸至运维阶段的持续合规监测。等保将不再是三年一次的“大考”，而是融入日常安全运营的“常态化体检”。

## 最后

网络安全自动化等保测评系统的价值，不应被窄化为“写报告的工具”。它本质上是将等保测评这一知识密集型工作的方法论进行数字化沉淀，将专家的经验转化为系统的能力，将离散的项目数据汇聚为可运营的战略资产。对于测评机构，它是应对规模扩张与质量管控双重压力的核心能力基座；对于被测评单位，它是降低合规成本、兑现安全投资价值的可信载体；对于监管者，它是穿透式掌握行业风险态势的数据窗口。

随着AI能力的加速注入，我们的ASES正从“记录者”进化为“思考者”——它不仅要准确记录安全状态，更要辅助研判风险、解释成因、推荐措施。在这个意义上，促使网络安全行业从“设备堆叠”走向“智能运营”。

更多功能模块和演示系统环境，如有需求和问题欢迎联系咨询我们。 http://www.mdrsec.com

## 产品清单

### 企业网络安全运营中心产品

- 资产安全配置管理系统（SCMDB）
- 终端侦测与响应系统（EDR）
- 网络侦测与响应系统（NDR）
- 企业网络资产攻击面管理系统（CAASM）
- 资产暴露面管理系统（AEMS）
- 网络安全蜜罐管理系统（HoneyPot）
- 安全事件收集与告警管理系统（SIEM）
- 扩展侦测与响应系统（XDR）
- 多引擎脆弱性扫描系统（VAS）
- 多源日志审计监测系统（LAS）
- 网络安全威胁情报中心（TIS）
- 网络安全漏洞库管理系统（VDBS）
- 网络安全编排与自动化响应（SOAR）
- 威胁狩猎系统（THS）
- 数据库安全审计系统（DSAS）
- AI智能体安全态势管理系统（AISPM）
- Web防火墙（WAF）
- 网站安全监测平台（WSM）
- 网络安全态势感知平台（SSAP）
- 网络安全自动化应急响应工具系统（NSRT）
- 企业网络安全运维工具系统（SecTools）
- 网络安全自动化等保测评系统（ASES）
- 浏览器安全监测防护系统（BSMPS）
- 网络安全用户实体行为分析系统（UEBA）
- 互联网电信诈骗预警防护系统（TPFWS）
- 云原生安全管理平台（CNAPP）
- 自动化渗透测试系统（PTS）
- 工业企业信息安全监测中心（IoT SOC）
- 企业智能安全运营中心（AISOC）

### 企业自动化运维产品

- 运维智能监控告警管理平台（AIMAMS）
- 企业网络工具系统（NTools）
- 自动化测试系统（AutoTest）
- 自动化运维系统（AutoOps）
- 企业运维工具系统（OpsTools）
- 物联网管理系统（IoTS）
- 软件开发生命周期管理系统（SDLC）
- IT流程管理系统（ITSM）

### 企业数字化运营资源管理系统产品

- 制造执行管理系统（MES）
- 运输管理系统（TMS）
- 跨境电商企业资源管理系统（ERP）
- 企业客户关系管理系统（CRM）
- 跨境电商仓库管理系统（WMS）
- 财务管理系统（FMS）
- 质量管理系统（QMS）
- 精准营销管理系统（PMS）
- 智能生产管理系统（SPMS）
- 电商BI系统（BI）
- 智能互联网分布式爬虫系统（AISpider）

## ABOUT

**【关于我们】**

* [主页：http://116.205.137.183/index_pro.html](http://116.205.137.183/index_pro.html)
* [Articulate v1.0](https://mp.weixin.qq.com/s/0yqGBPbOI6QxHqK17WxU8Q)
* [Articulate v2.0](https://mp.weixin.qq.com/s/V5Axn-ZWi22ubh5Jiocb9g)

[![](https://img.shields.io/badge/GitHub-zrf--rocket-blue?logo=gitpod)](https://github.com/zrf-rocket)
[![](https://img.shields.io/badge/Gitee-SteveRocket-pink)](https://gitee.com/SteveRocket/)
![CTO Plus](https://img.shields.io/badge/微信公众号：CTO%20Plus-8A2BE2) 🥰

## Contact

![微信公众号](./static/wechat.png)  
**< 微信公众号 >**

![QQ技术交流群](./static/qq_qun.jpg)  
**< QQ技术交流群 >**

![联系作者](./static/wechat.png)
**< 联系作者 >**

## **【代码工程系列】**

* [Python和Go的设计模式](https://github.com/zrf-rocket/DesignPattern)
    * GitHub：https://github.com/zrf-rocket/DesignPattern
    * Gitee：https://gitee.com/SteveRocket/design_pattern

* [Python、Go的编码技巧cookbook](https://github.com/zrf-rocket/CookBook)
    * GitHub：https://github.com/zrf-rocket/CookBook
    * Gitee：https://gitee.com/SteveRocket/cook-book

* [Go代码示例](https://github.com/zrf-rocket/PracticeGo)
    * GitHub：https://github.com/zrf-rocket/PracticeGo
    * Gitee：https://gitee.com/SteveRocket/practice_go

* [Python代码示例](https://github.com/zrf-rocket/PracticePython)
    * GitHub：https://github.com/zrf-rocket/PracticePython
    * Gitee：https://gitee.com/SteveRocket/practice_python

* [Python Web框架的示例代码](https://github.com/zrf-rocket/PythonFramework)
    * GitHub：https://github.com/zrf-rocket/PythonFramework
    * Gitee：https://gitee.com/SteveRocket/python_framework
    * Django：https://github.com/zrf-rocket/PythonFramework/tree/master/django_framework
    * Flask：https://github.com/zrf-rocket/PythonFramework/tree/master/flask_framework

* [Python 爬虫框架和技术](https://github.com/zrf-rocket/PracticeSpider)
    * GitHub：https://github.com/zrf-rocket/PracticeSpider
    * Gitee：https://gitee.com/SteveRocket/practice_spider

* [Rust代码示例](https://github.com/zrf-rocket/PracticeRust)
    * GitHub：https://github.com/zrf-rocket/PracticeRust
    * Gitee：https://gitee.com/SteveRocket/practice_rust

* [Vue代码示例](https://github.com/zrf-rocket/PracticeVue)
    * GitHub：https://github.com/zrf-rocket/PracticeVue
    * Gitee：https://gitee.com/SteveRocket/practice_vue

* [前端代码示例](https://github.com/zrf-rocket/PracticeFronted)
    * GitHub：https://github.com/zrf-rocket/PracticeFronted
    * Gitee：https://gitee.com/SteveRocket/practice_fronted

* [Python自动化测试框架](https://github.com/zrf-rocket/PythonTestAutomationFramework)
    * GitHub：https://github.com/zrf-rocket/PythonTestAutomationFramework
    * Gitee：https://gitee.com/SteveRocket/python_test_automation_framework

* [Python和Go的算法代码示例](https://github.com/zrf-rocket/Algorithms)
    * GitHub：https://github.com/zrf-rocket/Algorithms
    * Gitee：https://gitee.com/SteveRocket/Algorithms

* [Python和Go的数据结构代码示例](https://github.com/zrf-rocket/DataStructure)
    * GitHub：https://github.com/zrf-rocket/DataStructure
    * Gitee：https://gitee.com/SteveRocket/data_structure

* [编码规范](https://github.com/zrf-rocket/DevGuide)
    * GitHub：https://github.com/zrf-rocket/DevGuide
    * Gitee：https://gitee.com/SteveRocket/develop_guide

* [编码安全规范](https://github.com/zrf-rocket/SecGuide)
    * GitHub：https://github.com/zrf-rocket/SecGuide
    * Gitee：https://gitee.com/SteveRocket/security_guide

## **【产品系列】**

* [安全运营中心（SOC）-威胁情报与漏洞库管理系统](https://github.com/zrf-rocket/tip_platform)
    * GitHub：https://github.com/zrf-rocket/tip_platform
    * Gitee：https://gitee.com/SteveRocket/tip_platform

* [主机监控系统-日志收集与报警管理系统（SIEM）](https://github.com/zrf-rocket/SIEM)
    * GitHub：https://github.com/zrf-rocket/SIEM
    * Gitee：https://gitee.com/SteveRocket/siem

* [安全运营中心（SOC）-终端侦测与响应系统（EDR）](https://github.com/zrf-rocket/EDR_SOC)
    * GitHub：https://github.com/zrf-rocket/EDR_SOC
    * Gitee：https://gitee.com/SteveRocket/edr_soc

* [安全运营中心（SOC）-网络资产攻击面管理（Cyber asset attack surface management）系统](https://github.com/zrf-rocket/CAASM)
    * GitHub：https://github.com/zrf-rocket/CAASM
    * Gitee：https://gitee.com/SteveRocket/caasm

* [安全运营中心（SOC）-信息资产采集与安全评估系统（ICSA）](https://github.com/zrf-rocket/SOC_ICSA)
    * GitHub：https://github.com/zrf-rocket/SOC_ICSA
    * Gitee：https://gitee.com/SteveRocket/SOC_ICSA

* [安全运营中心（SOC）-安全编排与自动化响应（SOAR）](https://github.com/zrf-rocket/soar_platform)
    * GitHub：https://github.com/zrf-rocket/soar_platform
    * Gitee：https://gitee.com/SteveRocket/soar_platform

* [研发测试安全运维一体化平台（DevTestSecOps）](https://github.com/zrf-rocket/DevSecOps-SDLC)
    * GitHub：https://github.com/zrf-rocket/DevSecOps-SDLC
    * Gitee：https://gitee.com/SteveRocket/devsectestops-sdlc

* [安全运营中心（SOC）-Penetration Test-自动化渗透测试平台（PT-PenTest）](https://github.com/zrf-rocket/PenetrationTest)
    * GitHub：https://github.com/zrf-rocket/PenetrationTest
    * Gitee：https://gitee.com/SteveRocket/penetration_test

* [cicd-持续集成持续部署系统（CI/CD）](https://github.com/zrf-rocket/CICD)
    * GitHub：https://github.com/zrf-rocket/CICD
    * Gitee：https://gitee.com/SteveRocket/cicd

* [DevSecTestOps-SDLC-自动化研发安全测试运维一体化平台（DevSecTestOps）](https://github.com/zrf-rocket/DevSecOps-SDLC)
    * 代码自动构建、代码安全审计、自动测试、自动部署、自动接口测试
    * GitHub：https://github.com/zrf-rocket/DevSecOps-SDLC
    * Gitee：https://gitee.com/SteveRocket/dev-sec-ops-sdlc

* [AI图像识别-智能缺陷检测系统]()
    * [基于AI图像识别的工业缺陷检测应用系统（GPU&FPGA）](https://mp.weixin.qq.com/s/04qefQFg-Pg1Gcqq1vBLQQ)
    * [基于AI图像识别的智能缺陷检测系统，在钢铁行业的应用-技术方案](https://mp.weixin.qq.com/s/dSHbnuOwQZzE4CvPr1JYjg)

# CAASM 网络资产攻击面管理（Cyber asset attack surface management）和 EASM 外部攻击面管理（External attack surface management）系统

## 功能特性

## 架构图