Skip to content
KitploitKITPLOIT
أدواتالمدونة
إرسال
أدواتالمدونة
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.

··الخلاصات·اتصال·الخصوصية·© 2026 Kitploit

دليل الأدوات

الفئات

عرض جميع الفئات
Loading categories
Ruse — تطبيق يعتمد على كاميرا الهاتف المحمول يحاول تعديل الصور للحفاظ على فائدتها للبشر مع جعلها غير قابلة للاستخدام لأنظمة التعرف على الوجوه. | Kitploit
أدوات/GitHubGitHub/derrumbe/ruse
أمن الجوالالخصوصيةأمن الذكاء الاصطناعيالهجوم العدائي
GitHubderrumbe/ruse

Ruse

تطبيق يعتمد على كاميرا الهاتف المحمول يحاول تعديل الصور للحفاظ على فائدتها للبشر مع جعلها غير قابلة للاستخدام لأنظمة التعرف على الوجوه.

عرض المستودع
345منذ 3 سنواتتمت المراجعة من قبل Kitploit

الأكثر شعبية

عرض الكل →

اكتشف الأدوات الأكثر استخدامًا من قبل مجتمعنا.

استكشف جميع الأدوات

تصفح مجموعتنا من الأدوات

عرض جميع الأدوات →
مشاركة

Ruse

image image image

Alt text

تطبيق يعتمد على كاميرا الهاتف يحاول تعديل الصور للحفاظ على فائدتها للبشر مع جعلها غير صالحة لأنظمة التعرف على الوجوه.

التثبيت

(1) طريقة سهلة: انتظر وقم بتنزيل التطبيق من متجر التطبيقات المناسب.

(2) قم بتنزيل وتشغيل تطبيق iOS عبر Xcode (انظر إعداد التطوير لمزيد من التفاصيل)

مثال استخدام

تم تطوير التطبيق كتطبيق قائم على الكاميرا، مما يسمح بتعديل الوجوه عند التقاط صور جديدة أو من الصور الحالية في ألبوم الكاميرا بهدف الحفاظ على فائدتها لوسائل التواصل الاجتماعي والاستهلاك البشري مع جعل من الصعب على أنظمة التعرف على الوجوه استخدامها بدقة وفعالية.

يتم ذلك من خلال مجموعة متنوعة من الطرق بناءً على أبحاث سابقة. بسبب قيود الأجهزة المحمولة و TensorFlow Lite، فإن التعلم على الجهاز نفسه غير ممكن—لذا فإن بعض التقنيات الأكثر تقدماً غير ممكنة بعد (لكن البحث والتطوير قد يحقق نتائج مستقبلية).

ستأتي تعليمات الاستخدام وفيديو كامل مع الإصدار الأول.

يوضح دفتر Jupyter تقنية "النمط السريع التعسفي" العدائية الممكنة على الأجهزة المحمولة: image

على المدى الطويل، سيتم تطبيق هذه التقنية بشكل انتقائي (على الأرجح على أجزاء من الصور)، بالإضافة إلى ضوضاء Perlin/simplex المولدة لكل صورة، على غرار https://github.com/kieranbrowne/camera-adversaria.

تُستخدم مجموعة متنوعة من الطرق لإخفاء الوجوه عن أنظمة التعرف التجارية (مثل نقل الملفات العشوائي، إدخال ضوضاء Perlin). قبل الحفظ في ألبوم الكاميرا أو الاستخدام عبر الإنترنت، تتحقق ميزة مدمجة من إمكانية اكتشاف الوجوه.

يمكن بعد ذلك التحقق من تأثير هذه الأساليب العدائية دون الحاجة إلى اتصال بالشبكة.

(تخطط الإصدارات المستقبلية لتضمين تقدير مدمج مماثل لكيفية أداء نظام تعرف عينة مقابل الصورة المعدلة (تصنيف بدلاً من مجرد اكتشاف).)

إعداد التطوير

المتطلبات: Xcode >12

Pods المثبتة كجزء من العملية أدناه: TensorFlow Lite (Swift nightly build) // GoogleMLKit // GPUImage3

  • قم بتنزيل دليل ios و model (نماذج tflite)
  • قم بتشغيل "pod install" في الدليل الذي تم تنزيله
  • افتح Ruse.xcworkspace

ترك التثبيت على الجهاز كتمرين للقارئ.

ملاحظة مستقبلية: أصبح التعلم على الجهاز ممكناً الآن مع TFLite. قد لا يكون هذا عملياً بعد لأن التكرارات قد تستغرق وقتاً طويلاً لتكون مفيدة للمستخدمين العاديين.

تاريخ الإصدار

  • 0.2 (قيد التقدم):
    • إعادة تصميم الواجهة لجعلها أكثر ملاءمة للمستخدم
    • إضافة تقنية بحث جديدة (قيد التنفيذ) - OPOM، شخص واحد / قناع واحد
    • تدريب على الجهاز لإنشاء قناع على مستوى الفئة
    • شكراً لجميع المختبرين على ملاحظاتكم!
  • 0.1
    • إضافة كود Android (أخيراً)
  • 0.0.1
    • قيد العمل - كود iOS يعمل وتم إيداعه

عمل مستقبلي

  • تفريغ WebAssembly
  • تعديل مستقل لضوضاء simplex ونقل النمط
  • فحص تصنيف الوجوه على الجهاز (يعتمد على تقدم TensorFlow Lite، إلخ)
  • إعادة تصميم التطبيق من إثبات المفهوم إلى قابلية الاستخدام الفعلية

معلومات

موزع تحت ترخيص MIT. انظر LICENSE لمزيد من المعلومات.

https://github.com/derrumbe/Ruse

تنزيل الأداة