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
أدوات/GitHubGitHub/ghostpack/deeppass
الاستخبارات مفتوحة المصدر (OSINT)هجمات كلمات المرورجمع المعلوماتكشف الأسرارتعلم الآلةالفريق الأحمر
GitHubghostpack/deeppass

DeepPass

اصطياد كلمات المرور باستخدام التعلم العميق

عرض المستودع
24441منذ 2 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
DeepPass — اصطياد كلمات المرور باستخدام التعلم العميق | Kitploit

DeepPass

تطبيق يعمل داخل Docker لتحليل المستندات والبحث عن مرشّحات لكلمات المرور.

يقدّم المقال "DeepPass — Finding Passwords With Deep Learning" مزيدًا من التفاصيل حول المنهجية المستخدمة ومراحل تطوير النموذج.

للتشغيل: docker-compose up

سيؤدي ذلك إلى توفير الخدمة على http://localhost:5000 حيث يمكن رفع المستندات.

يمكن استخدام الواجهة البرمجية (API) يدويًا عبر http://localhost:5000/api/passwords:

root@kitploit:~
C:\Users\harmj0y\Documents\GitHub\DeepPass>curl -F "file=@test_doc.docx" http://localhost:5000/api/passwords
[{"file_name": "test_doc.docx", "model_password_candidates": [{"left_context": ["for", "the", "production", "server", "is:"], "password": "P@ssword123!", "right_context": ["Please", "dont", "tell", "anyone", "on"]}, {"left_context": ["that", "the", "other", "password", "is"], "password": "LiverPool1", "right_context": [".", "This", "is", "our", "backup."]}], "regex_password_candidates": [{"left_context": ["for", "the", "production", "server", "is:"], "password": "P@ssword123!", "right_context": ["Please", "dont", "tell", "anyone", "on"]}], "custom_regex_matches": null}]

يُستخدم Apache Tika لاستخراج البيانات من صيغ المستندات المختلفة، بينما يُستخدم Tensorflow Serving لتقديم النموذج.

الشبكة العصبية هي LSTM ثنائية الاتجاه:

root@kitploit:~
embedding_dimension = 20
dropout = 0.5
cells = 200

model = Sequential()
model.add(Embedding(total_chars, embedding_dimension, input_length=32, mask_zero=True))
model.add(Bidirectional(LSTM(cells)))
model.add(Dropout(dropout))
model.add(Dense(1, activation='sigmoid'))

تم تدريب النموذج على 2,000,000 كلمة مرور تم اختيارها عشوائيًا من قائمة كلمات المرور المسربة هذه و2,000,000 مصطلح مستخرج من مستندات متنوعة تم جمعها عبر Google Dorking. إحصائيات مجموعة الاختبار .1 هي:

root@kitploit:~
------------------
loss       :  0.04804224148392677
tn         :  199446.0
fp         :  731.0
fn         :  3281.0
tp         :  196542.0
------------------
accuracy   :  0.9899700284004211
precision  :  0.9962944984436035
recall     :  0.983580470085144
------------------
F1 score.     :  0.9898966618590025
------------------

دفتر الملاحظات الخاص بتدريب النموذج موجود في ./notebooks/password_model_bilstm.ipynb

تنزيل الأداة