26MB Burp 流量压成 35KB 供 LLM 分析

大家好。我做了一款工具，能帮助许多 Web 和 API 渗透测试人员解决将 AI 整合到工作流中的问题。

BurpSqueezer 是一个实用程序，可以让用户将工作中所需的 HTTP 流量（可能占用数十甚至数百兆字节）"压缩"成一份小巧的 .md 报告，专门用于 AI 处理。

我没有在代码中硬编码任何东西。（好吧，几乎没有——但只是用于自动过滤掉不必要的流量，比如 CDN 请求之类。）所有逻辑都基于通用方法，不仅能"过滤掉"不必要的流量，还能建立端点之间的关联（在测试 API 或业务逻辑时特别有用）。

报告本身的压缩率极高。在普通模式下测试时，我把工作 dump 从 26.7 MB 压缩到了 35 KB（结果是原始 dump 的 1/745）。不同模式可能产生不同结果，但共同点是几乎任何神经网络都能读取和理解它们。（说真的。当我尝试把原始流量 dump 上传到 OpenCode 时，由于文件大小限制根本传不上去。）

不过有一些重要的限制需要注意。

BurpSqueezer 主要针对大型 HTTP 数据集，尤其是 API 和具有有意义业务逻辑的应用。如果给它的 dump 相对较小或结构简单——比如一个后端逻辑很少、流量大多为静态或重复的网站——结果可能会用处不大。分析可以提取的关系和结构可能根本不够多。

它也不是一款 autonomous pentesting 工具。它不会发送请求或攻击目标。它接收你已经捕获并授权分析的流量，处理后生成一份更紧凑的表示形式，然后可以交给 LLM 做进一步分析。

我做这个工具是因为想让 AI 能够处理真实的 Burp 流量，而不必把几十兆字节的原始 XML 丢给它，让它从零开始理解一切。

这个项目是开源的，非常希望从事 Burp、API 安全、业务逻辑或 AI 辅助渗透测试的朋友们能试试，告诉我哪里做得好、哪里不好、输出可以在哪些方面改进。

GitHub: vaginskii/BurpSqueezer