bed20db8bd
Ziel: ein einziger täglicher Befehl genügt, jede Meldung ist auch ohne IT-Wissen verständlich. Auto-Modus (ein Cron-Job genügt für alles): - data/state.json merkt sich, wann die Wochen-Prüfungen zuletzt liefen (baseline.py: load_state/save_state/is_check_due/mark_check_run) - `scan` führt fällige Zusatzprüfungen (Tarnung/externe Links/Dateien) automatisch mit aus; Gesamt-Ampel = schlechtestes Teilergebnis; EIN kombinierter Report + EIN Alert - neuer Config-Abschnitt periodic_checks (Default: wöchentlich, an) Klartext (scanner/plain.py): - Ampel 🟢/🟡/🔴 + Sätze ohne Fachbegriffe, aus den strukturierten Befunden - Report: Klartext oben, "Technische Details (für Ihren Dienstleister)" unten - Terminal-Ausgabe und E-Mail (alerter.py) ebenso umgestellt Komfort: - approve --all/--rebuild legt die Datei-Überwachung automatisch mit an (Opt-out: --skip-assets); approve-assets bleibt für den Sonderfall - status zeigt Ampel zuoberst + wann die Wochen-Prüfungen zuletzt liefen - Onboarding-Text in einfacher Sprache, wenn noch kein Vergleichsstand existiert Doku: README + BEDIENUNGSANLEITUNG mit "In 3 Schritten"-Einstieg. Tests: test_state.py, test_plain.py (Fachbegriff-Assertion), Auto-Asset- Baseline-Test. 165 Tests grün. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
125 lines
3.5 KiB
YAML
125 lines
3.5 KiB
YAML
# Integrity Scanner — Hauptkonfiguration
|
|
# Alle Werte sind optional; fehlende werden aus den Defaults übernommen.
|
|
|
|
target: "https://bredelar.info"
|
|
user_agent: "integrity-scanner/1.0 (+security-monitoring)"
|
|
request_timeout: 20
|
|
|
|
data_dir: "data"
|
|
reports_dir: "reports"
|
|
logs_dir: "logs"
|
|
config_dir: "config"
|
|
|
|
crawl:
|
|
max_pages: 200
|
|
delay_seconds: 1.0
|
|
respect_robots_txt: false
|
|
skip_extensions:
|
|
- ".jpg"
|
|
- ".jpeg"
|
|
- ".png"
|
|
- ".gif"
|
|
- ".webp"
|
|
- ".svg"
|
|
- ".ico"
|
|
- ".pdf"
|
|
- ".zip"
|
|
- ".woff"
|
|
- ".woff2"
|
|
- ".ttf"
|
|
- ".otf"
|
|
- ".eot"
|
|
- ".mp4"
|
|
- ".mp3"
|
|
- ".webm"
|
|
- ".avi"
|
|
- ".mov"
|
|
|
|
scoring:
|
|
new_external_domain: 50
|
|
new_internal_url: 30
|
|
missing_internal_url: 20
|
|
hidden_content: 40
|
|
unexpected_canonical: 35
|
|
meta_refresh: 40
|
|
unexpected_jsonld: 35
|
|
large_text_addition: 20
|
|
new_inline_script_suspicious: 30
|
|
comment_links: 25
|
|
new_broken_link: 20 # neue 4xx/5xx-Seite, die in Baseline nicht vorhanden war
|
|
suspicious_filename: 60 # Link auf Webshell-/Backdoor-typischen Dateinamen
|
|
cloaking_extra_link: 60 # Link nur im Bot-Crawl sichtbar
|
|
cloaking_extra_text: 40 # signifikant mehr Text im Bot-Crawl (>100 Zeichen)
|
|
cloaking_vary_ua: 25 # Vary: User-Agent Header (ohne sonstigen Unterschied)
|
|
changed_script: 40 # JavaScript-Datei inhaltlich geändert
|
|
changed_stylesheet: 30 # CSS-Datei inhaltlich geändert
|
|
changed_asset: 20 # Bild / PDF / sonstige Binärdatei geändert
|
|
|
|
thresholds:
|
|
yellow: 20 # ab diesem Score: Warnung (gelb)
|
|
red: 60 # ab diesem Score: Alarm (rot)
|
|
large_text_block_chars: 200 # Textblock ab dieser Länge wird als „groß" gewertet
|
|
|
|
# Wöchentliche Zusatzprüfungen laufen automatisch beim täglichen `scan` mit.
|
|
# So genügt EIN Cron-Job für alles — kein separater Aufruf nötig.
|
|
periodic_checks:
|
|
enabled: true # Zusatzprüfungen automatisch mitlaufen lassen
|
|
interval_days: 7 # wie oft (in Tagen) die Zusatzprüfungen fällig werden
|
|
cloak_check: true # Tarnungs-Prüfung (sieht Google einen anderen Inhalt?)
|
|
ext_links: true # externe Links auf Erreichbarkeit prüfen
|
|
assets: true # Bilder/Skripte/Stylesheets auf Veränderung prüfen
|
|
|
|
alerting:
|
|
min_level: "yellow" # "yellow" oder "red"
|
|
email:
|
|
enabled: false
|
|
smtp_host: "localhost"
|
|
smtp_port: 587
|
|
smtp_tls: true
|
|
smtp_user: ""
|
|
smtp_password_env: "SCANNER_SMTP_PASSWORD" # Passwort aus Umgebungsvariable
|
|
from: "scanner@bredelar.info"
|
|
to:
|
|
- "admin@bredelar.info"
|
|
webhook:
|
|
enabled: false
|
|
url: "" # z.B. Telegram-Bot-Webhook, Slack-Incoming-Webhook
|
|
|
|
normalization:
|
|
strip_html_comments: true
|
|
collapse_whitespace: true
|
|
# Selektoren, die vor dem Diff ignoriert werden (z.B. Datums-/Cache-Elemente)
|
|
ignore_selectors:
|
|
# - "#last-modified"
|
|
# - ".timestamp"
|
|
# Regex-Muster im Text, die vor dem Diff entfernt werden
|
|
ignore_patterns:
|
|
# - '\d{1,2}\.\d{1,2}\.\d{4}' # Datumsangaben
|
|
# - 'Stand:\s+\S+'
|
|
|
|
# Erlaubte @type-Werte in JSON-LD (alles andere löst Alarm aus)
|
|
allowed_jsonld_types:
|
|
- "Organization"
|
|
- "WebSite"
|
|
- "WebPage"
|
|
- "Article"
|
|
- "BreadcrumbList"
|
|
- "ItemList"
|
|
- "LocalBusiness"
|
|
- "Place"
|
|
- "Person"
|
|
- "Event"
|
|
- "FAQPage"
|
|
- "Question"
|
|
- "Answer"
|
|
- "ImageObject"
|
|
- "SiteLinksSearchBox"
|
|
- "ContactPage"
|
|
- "AboutPage"
|
|
|
|
# Security-Header, die auf jeder Seite erwartet werden
|
|
security_headers:
|
|
- "Content-Security-Policy"
|
|
- "Strict-Transport-Security"
|
|
- "X-Content-Type-Options"
|
|
- "Referrer-Policy"
|