企业官网建设流程全解析

AutoPentestX 是一款自动化渗透测试与漏洞评估工具，它把「端口扫描 → 漏洞识别 → CVE 情报查询 → CVSS 风险评分 → PDF 报告」串成一条流水线。很多人好奇：扫描出的服务版本，到底是怎么变成一条条带分数的 CVE 漏洞的？这篇文章带你用几分钟搞懂 AutoPentestX 的 CVE 情报来源——CIRCL CVE API 与 NVD API 的集成方式，以及 CVSS 评分在代码里是如何落地为 CRITICAL / HIGH / MEDIUM / LOW 风险等级的。

一、CVE 情报从哪来？两大数据源一览 🗂️

AutoPentestX 在 modules/cve_lookup.py 中预置了两个权威漏洞数据库接口：

在 CVELookup 类的初始化部分可以看到，两个地址被分别赋给api_url与nvd_api。当前的查询流程走的是 CIRCL 通道：它以关键词搜索返回该产品的 CVE 列表，结构简洁、响应快，非常适合按「产品名 + 版本号」做快速情报匹配。NVD 则是美国国家标准与技术研究院的官方漏洞库，接口能力更强，代码与 config.json 中均已预留位置，便于后续做更精确的 CVE ID 级查询。

二、三步看懂 CVE 查询主流程 🔍

整个情报获取过程可以概括为「产品名映射 → API 搜索 → 解析评级」三步，核心逻辑集中在 search_cve_by_product 与 lookup_services 两个方法。

第 1 步：把服务名翻译成产品名

扫描阶段发现的服务名往往比较「泛」，比如http、ssh、netbios-ssn。extract_product_name 方法内置了一张映射表，把它们翻译成漏洞库里真实存在的产品名：

• http/https/ssl/http→apache
• ssh→openssh
• microsoft-ds→microsoft windows
• netbios-ssn→samba
• smtp→postfix

如果映射表没命中，还会尝试从版本字符串里提取 apache、nginx、mysql 等常见产品关键词，确保搜索词尽量精准。

第 2 步：向 CIRCL API 发起搜索并过滤

拼好产品名后，工具会请求{api_url}/search/{产品名}，并做了三件「克制」的事：

1. 结果限量：只取前 10 条最相关结果，避免无关 CVE 刷屏；
2. 版本过滤：若拿到了具体版本号，会用 version_matches 做版本匹配；
3. 限速保护：每轮查询后time.sleep(1)，对公共 API 保持友好，也呼应了 config.json 里rate_limit_delay: 1的设置。

第 3 步：解析条目并生成风险标签

parse_cve_entry 方法把每条原始 JSON 提炼成一个结构化的情报对象，包含 6 个关键字段：

• cve_id：CVE 编号，如 CVE-2021-44790
• description：漏洞描述（截断至 500 字）
• cvss_score：CVSS 评分（下文详述）
• risk_level：由评分换算出的风险等级
• exploitable：是否存在公开利用
• references：最多保留 3 条参考链接

解析完成后，main.py 的 PHASE 4 阶段会把这些 CVE 情报连同端口、服务、版本号一起写入 SQLite 数据库，供后续风险引擎和 PDF 报告直接使用。

三、CVSS 评分解析：一个分数如何定出风险等级 📊

CVSS（Common Vulnerability Scoring System）是业界通用的漏洞严重性评分标准，0～10 分。AutoPentestX 的取分逻辑兼容新老两版数据结构：优先读cvss字段；若没有，则依次回退到impact.baseMetricV3.cvssV3.baseScore（CVSS v3）和impact.baseMetricV2.cvssV2.baseScore（CVSS v2），见 parse_cve_entry 的取分代码。

拿到分数后，calculate_risk_level 用一套清晰的阈值将其映射为风险等级：

这套阈值在 config.json 的 risk_scoring 配置段 中也有对应定义（critical: 9.0 / high: 7.0 / medium: 4.0 / low: 0.1），保证了配置与代码语义一致。

值得一提的是 check_exploit_availability 方法：它会扫描 CVE 条目和参考链接中的exploit、poc、metasploit、exploit-db等关键词。一旦命中，说明该漏洞已有公开利用代码——在实战中，这意味着攻击门槛大幅降低，因此该标记会在后续风险计算中被重点加权。

四、CVSS 如何驱动整体风险评分？🧮

CVE 情报并非孤立的，它会被送入 modules/risk_engine.py 参与全局风险计算。calculate_port_risk 按端口维度累加风险分：

• 每个 CVE 的 CVSS 分数按分数 / 2计入端口风险分；
• 若该 CVE 有公开利用（上一步检测出的exploitable标记），端口风险分额外 ×1.3；
• 本地漏洞库中「可被利用」的漏洞则 ×1.5；
• 敏感服务（mysql、telnet、rdp 等）暴露会叠加基础分；
• 最终结果截断到 0～10 分并再次套用 CVSS 阈值定级。

再往上，calculate_overall_risk 把所有端口风险、Web 漏洞（每条 +2 分）、SQL 注入（每条 +5 分）汇总，由 determine_overall_risk_level 输出系统级风险等级（CRITICAL / HIGH / MEDIUM / LOW / MINIMAL），并自动生成 整改建议清单——例如检测到 CRITICAL 级 CVE 时会直接给出「Patch Critical CVEs」的优先行动项。

五、如何验证 CVE 情报效果？🚀

在已获授权的测试环境中，按 QUICKSTART.md 安装依赖后运行一次完整评估：

python3 main.py -t 127.0.0.1

执行到 PHASE 4 时，终端会输出类似 SAMPLE_OUTPUT.md 中这样的 CVE 查询摘要：

[*] Searching CVEs for: apache 2.4.41 [✓] Found 4 relevant CVEs for apache [!] CVE-2021-44790 - CVSS: 9.8 (CRITICAL) [!] CVE-2021-44224 - CVSS: 8.2 (HIGH)

每条 CVE 都带着分数与等级实时回显，最终还会汇总到reports/目录下的 PDF 报告与database/autopentestx.db数据库中。想单独调试查询逻辑，也可以直接运行python3 modules/cve_lookup.py，它会用内置的样例服务（OpenSSH 7.4、Apache 2.4.6）跑一遍完整流程。

六、延伸阅读：核心文件导航 📚

小结：AutoPentestX 的 CVE 情报来自 CIRCL CVE API（主通道）与 NVD API（预留通道）双源架构；CVSS 分数通过兼容 v2/v3 的取分逻辑提取，再以 9.0 / 7.0 / 4.0 三级阈值转化为风险等级，并进一步驱动端口级与系统级风险评分、整改建议生成。理解了这条「API → 解析 → 评分 → 风险」的链路，你就掌握了这类自动渗透测试工具情报系统的核心脉络。

⚠️ 提醒：本工具仅可用于你拥有或已获书面授权的系统，未授权访问属于违法行为。使用前请阅读 DISCLAIMER.md。