Skip to content
KitploitKITPLOIT
أدواتعمليات الاستغلالالمدونة
Log in
إرسال
أدواتعمليات الاستغلالالمدونة
إرسال

أدوات الاختراق واختبار الاختراق والأمن السيبراني لترسانتك الأمنية!

Kitploit هو دليل لأدوات الاختراق والأمن السيبراني واختبار الاختراق. اكتشف آخر تحديثات المشاريع للعثور على الثغرات وتحليل الأنظمة وأتمتة الاختبارات وتعزيز أمنك.

الخلاصاتاتصالالخصوصية© 2026 Kitploit

دليل الأدوات

الفئات

عرض جميع الفئات
Loading categories
أدوات/GitHubGitHub/amazon-science/cyber-zero
تحليل الثغرات الأمنيةCTFاختبار الاختراقتعلم الآلةالأوراق والأبحاثالتعلم والتعليمأمن الذكاء الاصطناعيمختبرات وتدريب عمليArchived
GitHubamazon-science/cyber-zero

Cyber-Zero

إطار عمل لتدريب وكلاء الأمن السيبراني القائمين على نماذج اللغة الكبيرة (LLM) دون بيئات تشغيل، مع توليد مسارات حل تحديات CTF عبر محاكاة مدفوعة بالشخصيات، وتقييمها على InterCode-CTF وNYU CTF Bench وCybench.

10022منذ 9 أشهرتمت المراجعة من قبل Kitploit
عرض المستودعالموقع الإلكتروني
مشاركة

Cyber-Zero: تدريب وكلاء الأمن السيبراني دون وقت تشغيل

🎉 اطّلع على أحدث أعمالنا!

🚀 أول بيئة وقت تشغيل لوكلاء الأمن السيبراني 🚀

🧐 نظرة عامة | 🏆 مجموعة المعايير | 🚀 البدء السريع | 🏗️ البنية | ⚙️ الإعدادات | 📊 التوليد | 📝 التحقق | 📝 واجهة سطر الأوامر | 📝 الاستشهاد

Cyber-Zero هو إطار عمل شامل لتدريب وكلاء الأمن السيبراني دون الحاجة إلى بيئات تنفيذ وقت التشغيل.

نظرة عامة

Cyber-Zero Teaser

حققت النماذج اللغوية الكبيرة (LLMs) نجاحًا ملحوظًا في مهام هندسة البرمجيات عند تدريبها باستخدام بيئات وقت تشغيل قابلة للتنفيذ، إلا أن مثل هذه البيئات غالبًا ما تكون غير متاحة في مجالات الأمن السيبراني حيث تكون إعدادات التحديات وسياقات التنفيذ مؤقتة أو مقيّدة. يعالج Cyber-Zero هذا القيد الجوهري من خلال الاستفادة من كتابات CTF المتاحة للعموم (writeups) وتوظيف محاكاة LLM المدفوعة بالشخصيات (persona-driven) لعكس هندسة سلوكيات وقت التشغيل وتوليد تسلسلات تفاعل واقعية طويلة الأمد دون بيئات تنفيذ فعلية.

يتمثل الابتكار الأساسي في توليد مسارات تدريب عالية الجودة عبر محاكاة LLM بدلًا من اشتراط بيئات تنفيذ فعلية، مما يجعلها قابلة للتوسع وعملية لتدريب وكلاء الأمن السيبراني. وباستخدام المسارات المُصنَّعة بواسطة Cyber-Zero، ندرّب وكلاء قائمين على LLM يحققون مكاسب أداء مطلقة تصل إلى 13.1% مقارنة بالنماذج الأساسية على ثلاثة معايير CTF بارزة: InterCode-CTF وNYU CTF Bench وCybench.

مجموعة المعايير

لإتاحة تقييم وكلاء الأمن السيبراني للجميع، نوفّر ثلاث مجموعات معايير مُصلَّحة ومُكيَّفة لـ EnIGMA+ في Cyber-Zero:

  • InterCode-CTF - مجموعة شاملة من تحديات CTF تغطي مجالات متنوعة في الأمن السيبراني
  • NYU CTF Bench - مجموعة معايير منسّقة من NYU لتقييم قدرات حل CTF القائمة على LLM
  • Cybench - معيار متنوّع يغطي فئات CTF متعددة ومستويات صعوبة مختلفة

أُعيد تنسيق جميع المعايير لتتبع مواصفات EnIGMA وEnIGMA+، بحيث يتضمن كل تحدٍّ ملف challenge.json وملف docker-compose.yml (عند الحاجة).

تعالج مجموعة المعايير لدينا عدة مشكلات تم رصدها في المعايير الأصلية، وتوفّر نسخًا مُصلَّحة لتقييم موثوق. للحصول على معلومات مفصّلة حول الإصلاحات والتحسينات المحددة، راجع benchmarks/README.md.

EnIGMA+

لتسهيل تطوير وكلاء الأمن السيبراني، نقدّم EnIGMA+، وهو هيكل وكيل مُحسَّن مبني على EnIGMA يشغّل مئات تحديات CTF في ساعات بدلًا من أيام. بُني EnIGMA+ فوق SWE-agent.

باستخدام EnIGMA+، يحقق نموذجنا الأفضل، Cyber-Zero-32B، أداءً متطورًا جديدًا بين النماذج المفتوحة الأوزان، ليماثل قدرات الأنظمة الاحتكارية مثل DeepSeek-V3-0324 وClaude-3.5-Sonnet مع تقديم فعالية تكلفة فائقة، مما يُظهر أن توليف المسارات دون وقت التشغيل يمكن أن يُدمقر تطوير وكلاء الأمن السيبراني المتطورين بفعالية.

للحصول على معلومات مفصلة حول EnIGMA+، بما في ذلك التثبيت والتكوين وتعليمات الاستخدام، يُرجى مراجعة README في مجلد enigma-plus.

التثبيت

من المصدر

# Install dependencies
pip install -r requirements.txt

# Install the package
pip install -e .

البدء السريع

إنشاء المسارات

# Using the CLI
cyber-zero generate \
    --sampled_flags_path task_meta.jsonl \
    --output_path trajectories.jsonl \
    --trajectories_per_task 3 \
    --workers 16

# Using the direct script interface
python generate_trajectory.py \
    --sampled_flags_path task_meta.jsonl \
    --output_path trajectories.jsonl \
    --trajectories_per_task 3 \
    --workers 16

تقييم الجودة

# Using the CLI
cyber-zero evaluate \
    --input_path trajectories.jsonl \
    --output_path quality_results.jsonl \
    --model_id deepseek-v3-0324

# Using the direct script interface  
python evaluate_quality.py \
    --input_path trajectories.jsonl \
    --output_path quality_results.jsonl \
    --model_id deepseek-v3-0324

إعادة تنسيق المسارات

# Using the CLI
cyber-zero reformat \
    --input_path quality_results.jsonl \
    --output_path formatted_trajectories.jsonl \
    --split_output

# Using the direct script interface
python reformat_trajectories.py \
    --input_path quality_results.jsonl \
    --output_path formatted_trajectories.jsonl \
    --split_output

البنية

تتبع البنية التحتية للعمل إطارًا معياريًا من Cyber-Zero:

cyber_zero/
├── __init__.py                 # Package initialization
├── config.py                   # Configuration management
├── models.py                   # Data models (TaskMeta, TrajectoryData, etc.)
├── utils.py                    # Common utilities
├── validation.py               # Response and command validation
├── llm_client.py               # LLM interaction and quality evaluation
├── trajectory_generator.py     # Main trajectory generation logic
├── quality_evaluator.py        # Quality evaluation for trajectories
├── trajectory_reformatter.py   # Trajectory reformatting for training
├── cli.py                      # Command-line interface
├── prompts/                    # System prompts
│   ├── __init__.py
│   ├── assistant_turn_prompt.txt   # Assistant (CTF player) prompt
│   └── user_turn_prompt.txt        # User (system/environment) prompt
└── data_collection/            # Data collection utilities
    ├── __init__.py             # Package initialization
    ├── config.py               # Data collection configuration
    ├── scraper.py              # Shared web scraping utilities
    └── README.md               # Data collection documentation

المكوّنات الرئيسية

  • Config: إدارة مركزية للإعدادات مع تعيينات النماذج وقواعد التحقق
  • Models: هياكل بيانات آمنة النوع للمهام والمسارات ونتائج التقييم
  • Validation: تحقق شامل من الاستجابات والأوامر وتنسيقات الإجراءات
  • LLMClient: واجهة مجرّدة لنماذج لغوية مختلفة مع منطق إعادة المحاولة
  • TrajectoryGenerator: المنسّق الرئيسي لتوليد المحادثات
  • CLI: واجهة سطر أوامر سهلة الاستخدام

الإعدادات

يستخدم الإطار نظام إعدادات هرميًا مع إدارة مركزية للنماذج:

الإعدادات الأساسية

from cyber_zero import Config

config = Config()
config.MAX_TURNS = 60  # Maximum conversation turns (30 paired turns)
config.DEFAULT_WORKERS = 16  # Number of parallel workers

إعداد النموذج

يدعم الإطار عدة مزوّدي LLM عبر litellm. النموذج الافتراضي هو DeepSeek-V3-0324 كما هو محدد في ورقة البحث:

# Get available models
from cyber_zero.config import Config
config = Config()
print(config.models.MODEL_MAPPINGS)
# {'deepseek-v3-0324': 'deepseek-ai/DeepSeek-V3-0324', ...}

# Use a specific model
model_id = config.models.get_model_id("deepseek-v3-0324")

إضافة نماذج مخصصة

لإضافة نماذج مخصصة لتوليد المسارات، قم بتحديث تعيينات النماذج في cyber_zero/config.py:

تنزيل الأداة

الأكثر شعبية

عرض الكل →

اكتشف الأدوات الأكثر استخدامًا من قبل مجتمعنا.

لا توجد بيانات شعبية بعد.

استكشف جميع الأدوات

تصفح مجموعتنا من الأدوات

عرض جميع الأدوات →