AI导哈

CISA威胁情报MCP服务器

一个生产就绪的模型上下文协议(MCP)服务器，为AI代理提供实时访问CISA已知被利用漏洞(KEV)目录和高级威胁情报能力。

  • by WCoppedge
  • Python
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 WCoppedge/CISA-Threat-Intelligence-MCP-Server

使用说明

CISA威胁情报MCP服务器

使用MCP服务器了解Cisa CVE

一个生产就绪的模型上下文协议（MCP）服务器，为AI代理提供对CISA已知漏洞（KEV）目录和高级威胁情报功能的实时访问。

概述

该MCP服务器使AI助手能够通过与权威的政府数据源集成来执行复杂的网络安全分析。专为网络安全专业人员、政府机构和安全运营中心而设计。

主要特点

  • 🔒 实时CISA KEV集成：直接访问1400多个被积极利用的漏洞
  • 🧠 高级威胁情报：自定义评分算法和趋势分析
  • 🏛️ 政府合规：BOD 22-01跟踪和联邦安全要求
  • 🤖 AI代理就绪：专为人工智能驱动的安全工作流程而构建
  • 📊 综合分析：执行报告和战略见解

🚀 快速开始

先决条件

  • Python 3.8+
  • CISA/NVD API的互联网连接
  • MCP兼容客户端（克劳德桌面等）

安装

  1. 将.py文件中的代码复制到vs代码中，另存为cisa_threat_intel_mcp.py
  2. 然后将路径添加到conf文件中，它应该是一个.json文件，您可以在下面看到一个临时文件
  3. 重启克劳德
  4. 现在提问

配置

添加到您的Claude Desktop配置中：

{
  "mcpServers": {
    "cisa-threat-intel": {
      "command": "python",
      "args": ["/path/to/cisa_threat_intel_mcp.py"],
      "env": {}
    }
  }
}

🛠️ 可用工具

search_kev_catalog

搜索并过滤CISA的已知漏洞目录。

示例用法：

Find all Microsoft vulnerabilities with known ransomware usage added in the last 30 days

analyze_threat_trends

使用模式识别进行战略威胁情报分析。

分析类型：

  • 趋势：供应商/产品开发模式
  • 关键的：高影响漏洞识别
  • 勒索软件：活动跟踪和分析
  • 最近：新兴威胁检测

enrich_cve_intelligence

深入CVE分析，综合威胁评分。

特征：

  • CISA KEV元数据集成
  • CVSS分数丰富NVD
  • 自定义威胁评分（0-100分）
  • 战略性补救建议

get_kev_statistics

高管层面的统计数据和战略见解。

🏗️ 建筑

威胁评分算法

考虑以下因素的复杂评分系统：

  • KEV目录包含（+50个基点）
  • 勒索软件活动使用率（+30分）
  • 新增时间（+10-20分）
  • 漏洞影响类型（+5-25分）
  • CVSS严重程度评分（+5-15分）

数据源

  • 主要的，重要的：CISA KEV目录（实时）
  • 富集：NVD API获取技术细节
  • 合规：BOD 22-01指南集成

错误处理

  • API不可用时性能下降
  • 全面的输入验证
  • 带有补救指导的详细错误消息

📊 用法示例

每日威胁简报

# Generate executive summary
statistics = await get_kev_statistics()
recent_threats = await search_kev_catalog(days_added=7)
critical_analysis = await analyze_threat_trends("critical", 30)

事件响应

# Emergency CVE analysis
cve_intelligence = await enrich_cve_intelligence("CVE-2024-1234")
related_threats = await search_kev_catalog(vendor="Microsoft")

合规性跟踪

# BOD 22-01 monitoring
upcoming_deadlines = await search_kev_catalog(days_added=21)
compliance_stats = await get_kev_statistics()

🛡️ 安全考虑

  • 无数据存储：无状态设计，实时获取API
  • 输入验证：全面的Pydantic验证
  • 速率限制：尊重API使用模式
  • 错误安全：山宁泰错误消息

📈 演出

  • 异步操作：完全异步/等待实现
  • 缓存策略：智能响应缓存
  • 并发处理：API平行富集
  • 错误恢复：优雅的回退机制

📜 许可证

该项目根据麻省理工学院许可证获得许可

🔗 相关资源

📞 联系

作者：威尔·科珀里奇
电子邮件: wcoppedge7779@gmail.com

备注该项目展示了先进的网络安全自动化、人工智能集成和政府数据处理，非常适合联邦网络安全角色和现代安全运营。

🏆 认可

该项目展示了人工智能代理与权威政府网络安全数据源的前沿集成，展示了自动化威胁情报的未来。

相关 MCP