Englisches Original: https://argusic.com/subject/krawl
Krawl
Krawl ist ein anpassbarer, leichtgewichtiger, cloud-nativer Web-Täuschungsserver und Anti-Crawler, der mit realistischen, zufällig generierten Köderdaten und AI-generierten HTML-Vorlagen gefälschte Webanwendungen mit niedrig hängenden Schwachstellen erstellt.
Nicht verifizierbarQuelle: GitHubHomepagePythonMITCommit 5b37247c4950
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai, ai security, alerting, anti crawling, blue team, cloud native, crawler und cybersecurity.
Argusic konnte Krawl nicht zum Laufen bringen. Ein Argusic-Agent hat es in 40 Minuten installiert und ist auf 5 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
Krawl installs in a venv (minus py-tlsh), runs via uvicorn serving 200s on /das_dashboard, /das_dashboard/metrics and honeypot pages, captures posted credentials into the dashboard/SQLite, auto-classifies the IP 'attacker', and passes its 75-test pytest suite.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 20 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- py-tlsh wheel build failed: missing Python.h (python3-dev not installed, no root); no prebuilt cp312 wheel on PyPI15 Minuten
- tests leaked singleton state (dashboard_cache backend, config, DatabaseManager) across files, making later tests fail (FakeRedis.set(nx=..), no such table, server-IP 204->200)10 Minuten
- single-process pytest tests/ can hard-crash the interpreter (bus error in aiohttp/frozenlist C extensions) before printing a summary8 Minuten
- tests/test_map_tiles.py expected old ?key= param, code now emits ?api_key=3 Minuten
- tests/test_startup_cleanup_scan.py asserted removed == 2 but purge_ignored_ips returns total rows deleted across tables2 Minuten
- Installationszeit
- 40 Minuten
- Von der kalten Maschine bis zum Ende
- 36 Minuten
- Aufgetretene und behobene Fehler
- 5 aufgetreten, 5 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pytest tests/ -q -p no:cacheprovider -> '75 passed, 3 warnings in 82.29s'; curl -s -o /dev/null -w %{http_code} http://127.0.0.1:5000/das_dashboard -> 200, /das_dashboard/metrics -> 200, honeypot page with X-Forwarded-For -> 200; POST /wp-login.php captured 'wpuser' credentials (dashboard API + SQLite row) and IP auto-classified 'attacker'
- Verbrauchte Modell-Tokens
- 1.425.585
- Genau getesteter Commit
- 5b37247c4950
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
{\"msg\": \"single-process pytest tests/ can hard-crash the interpreter (bus error in aioht…
],
\"test_depth\": \"tier1_real\",
\"notes\": \"py-tlsh unavailable (missing python3-dev headers) -> TLSH clustering SKIPPED. Loop…
\"verified_how\": \"pytest tests/ -q -p no:cacheprovider -> '75 passed, 3 warnings in 82.29s'; …
\"final_state\": \"Krawl installs in a venv (minus py-tlsh), runs via uvicorn serving 200s on /…
}
print(\"ARGUSIC_RESULT:\" + json.dumps(r))
PY" in /work/repo
succeeded in 0ms:
tokens used
1,425,585Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat sich von allen 5 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz MIT, laut Angabe des Hosts.
- 2-mal gemessen, das Ergebnis ist also kein Einzelfall.
Was nicht lief oder unbekannt ist
- Ein Agent ohne Zeitlimit hat es nicht zum Laufen gebracht.
- Die Installation dauerte 40 Minuten, langsamer als der Median der 230 vergleichbaren Projekte, die Argusic gemessen hat.
Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte Krawl Platz 221 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 erreichten überhaupt einen solchen Zustand.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Zeit abgelaufen | 0,00 | 1,58 | |
| Argusic Runner | 1/3 | Lief nicht | 20,00 | 0,33 |
Themen (von GitHub)
aiai-securityalertinganti-crawlingblue-teamcloud-nativecrawlercybersecuritydeceptiongrafanahoneypotkubernetesmonitoringsecurityself-hostedspiderweb
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/krawl)Fragen
- Läuft Krawl?
- Argusic konnte nicht verifizieren, dass Krawl läuft. Argusic hat es auf einer sauberen Maschine in 40 Minuten installiert und gestartet, ist dabei auf 5 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic Krawl getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 5b37247c4950. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von Krawl gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,33 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von Krawl?
- 40 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht Krawl eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von Krawl schief?
- Im aufgezeichneten Lauf gingen 5 Dinge kaputt, und 5 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet Krawl im Vergleich zu Alternativen ab?
- Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte Krawl Platz 221 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für Krawl?
- Alle 2 aufgezeichneten Läufe sind auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.