英文原文: https://argusic.com/subject/krawl

Krawl

Krawl 是一个可定制的轻量级云原生 Web 诱骗服务器与反爬虫工具，通过逼真的随机生成诱饵数据和 AI 生成的 HTML 模板，创建带有明显漏洞的虚假 Web 应用。

无法验证来源：GitHub项目主页PythonMITcommit 5b37247c4950

Python，MIT 许可证. 项目的自我描述：ai、ai security、alerting、anti crawling、blue team、cloud native、crawler 和 cybersecurity.

Argusic 没能让 Krawl 运行起来。一个 Argusic agent 在一台没有 GPU 的干净机器上用 40 分钟完成了安装，遇到 5 个错误，并在无人协助的情况下全部修复，整个会话都被记录了下来。

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.

agent 在干净的机器上最终得到的结果，用它自己的话说。 测量方式

每一次都由 Argusic 在全新机器上实测。每个数字都链接到对应的证据。 Argusic 评分 20，满分 100（该项目各次运行得分的平均值）。

概览

结论
无法验证
Argusic 评分
20 / 100
验证运行的成本
0.33 USD（实测）
已记录的运行次数
2
最近测试
星标
828
fork 数
77
未关闭的 issue
6
关注者
5
大小
15 MB
创建于
最近推送

项目数据来自 GitHub，链接见本页顶部，更新于 。测试数据由 Argusic 提供 (CC BY 4.0)；每个数字都链接到一个运行页面，附完整的 log、录屏及其 sha256 哈希。

测量了什么

来自决定该结论的那次运行。 每一行都是记录下来的数值，而非估算。

测试 Krawl 时每个故障耗费的时间，取自已记录的运行
每一根柱子都是 agent 记录的一次失败，以及它耗费的时间。数据仅取自本次运行。

哪里出了问题，用 agent 自己的话说

agent 的原话，最严重的排在最前，从不改写成建议。

  • py-tlsh wheel build failed: missing Python.h (python3-dev not installed, no root); no prebuilt cp312 wheel on PyPI15 分钟
  • 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 分钟
  • single-process pytest tests/ can hard-crash the interpreter (bus error in aiohttp/frozenlist C extensions) before printing a summary8 分钟
  • tests/test_map_tiles.py expected old ?key= param, code now emits ?api_key=3 分钟
  • tests/test_startup_cleanup_scan.py asserted removed == 2 but purge_ignored_ips returns total rows deleted across tables2 分钟
安装时间
40 分钟
从冷启动机器到完成
36 分钟
遇到并修复的错误
遇到 5 个，在无人协助的情况下修复了 5 个
结果是如何证明的
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'
使用的模型 token
1,425,585
测试的确切 commit
5b37247c4950
容器镜像
sha256:cdd920bce783

没有测量什么

另一半内容，让你清楚看到这些证据能说明到什么程度。缺失的数据就标为缺失，从不填补。

GPU 显存峰值
本次运行在 CPU 机器上进行，没有可采样的 GPU
长时间运行的表现
每次尝试都使用文档中最小的设置和固定的时间预算，因此这里测量的是它能否运行，而不是它在负载下的表现

录屏的结尾

决定该结论的终端会话的最后几行，与录制时完全一致。

        {\"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
1,425,585

回放完整会话，从干净的机器到此刻的每一条命令。

测试方式

一个 agent，一个容器，没有人工协助。它按照项目自身文档所写的方式安装项目，运行它，并修复出错的地方。下面的一切都按实际发生的过程记录：终端会话、log 和确切的 commit。 完整方法论.

优势与局限

均为实测事实，而非观点。内容是如何撰写的.

顺利的部分

  • 在无人介入的情况下从全部 5 个错误中恢复，说明这些故障的文档足以让人解决。
  • 采用 MIT 许可证，以其托管平台报告的信息为准。
  • 已测量 2 次，因此结果并非偶然。

不顺利或尚不清楚的部分

  • 一个没有时间限制的 agent 也没能让它运行起来。
  • 安装用了 40 分钟，慢于 Argusic 测量过的 230 个同类项目的中位数。

在 Argusic 安装并计时过的 231 个 ai 项目中，Krawl 达到运行状态的速度排名第 221，231 个项目中有 152 个达到了运行状态。

同一领域中也测试过的项目

这里的每个项目都由 Argusic 在干净的机器上安装并运行过。未经测试的项目不会出现在这里。

  • hertzbeat 已验证可运行 · Java · 5 个共同主题
  • hyperdx 已验证可运行 · TypeScript · 4 个共同主题
  • Pulse 已验证可运行 · Go · 4 个共同主题
  • shynet 已验证可运行 · Python · 4 个共同主题
  • toolhive 已验证可运行 · Go · 4 个共同主题
  • voidaccess 已验证可运行 · Python · 4 个共同主题

运行历史

测试者尝试结果评分成本 USD时间
Argusic Runner2/3超时0.001.58
Argusic Runner1/3未能运行20.000.33

主题 (来自 GitHub)

aiai-securityalertinganti-crawlingblue-teamcloud-nativecrawlercybersecuritydeceptiongrafanahoneypotkubernetesmonitoringsecurityself-hostedspiderweb

嵌入徽章

用于项目 README 的 Markdown。徽章链接回本页；使用条款见 条款页面.

[![Tested by Argusic](https://argusic.com/badge/Krawl.svg)](https://argusic.com/subject/krawl)

常见问题

Krawl 能运行吗？
Argusic 无法验证 Krawl 能否运行. Argusic 在一台干净的机器上安装并启动了它，用时 40 分钟，过程中遇到 5 个错误，并记录了整个会话。
Argusic 是如何测试 Krawl 的？
在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit 5b37247c4950。共记录了 2 次尝试，完整方法见方法论页面。
测试 Krawl 花了多少钱？
得出该结论的那次运行花费 0.33 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。
Krawl 安装需要多长时间？
在决定该结论的那次运行中，从干净的机器到运行状态用了 40 分钟。这是一次实测的尝试，不是平均值。
Krawl 需要 GPU 吗？
启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。
安装 Krawl 时会出现什么问题？
已记录的运行中出现了 5 个问题，其中 5 个在无人协助的情况下被修复。每个问题及其耗费的时间都列在本页上。
Krawl 与其他替代方案相比如何？
在 Argusic 安装并计时过的 231 个 ai 项目中，Krawl 达到运行状态的速度排名第 221，231 个项目中有 152 个达到了运行状态。
Krawl 的证据在哪里？
全部 2 次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。

Discussion