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/vinsontang1/dcvd
التحليل الثابتتحليل الثغرات الأمنيةتحليل الكودتعلم الآلةالأوراق والأبحاثأمن الذكاء الاصطناعي
GitHubvinsontang1/dcvd

DCVD

الكود في "DCVD: دمج عبر الوسائط بقناة مزدوجة للكشف المشترك عن الثغرات الأمنية وتحديد مواقعها"

عرض المستودع
242منذ 6 أشهرلم تتم المراجعة بعد
مشاركة

11image-20260510182333988

project/
├── train.py
├── data_loader.py
├── README.md
├── requirements.txt
├── models/
│   ├── control_pathway.py
│   ├── semantic_pathway.py
│   ├── feature_fusion_module.py
│   ├── transformer_llm_module.py
│   └── multi_task_predictor.py

مصادر البيانات والنماذج

مجموعة البيانات

نستخدم مجموعة بيانات LineVul لاكتشاف الثغرات الأمنية:

Michael Fu وChakkrit Tantithamthavorn، "LineVul: تنبؤ بالثغرات الأمنية على مستوى السطر باستخدام المحولات"، MSR 2022.
الورقة: https://conf.researchr.org/details/msr-2022/msr-2022-technical-papers/26/LineVul-A-Transformer-based-Line-Level-Vulnerability-Prediction
المستودع: https://github.com/awsm-research/LineVul

نقوم أيضًا بمعالجة مجموعة البيانات مسبقًا وتحويلها إلى هياكل رسومية، مع مواءمة كل عينة مع التفسيرات المولّدة بواسطة LLM.

النماذج

نستخدم النماذج المُدرّبة مسبقًا التالية:

  • OpenAI GPT-4o-mini

    OpenAI، "Hello GPT-4o"، 2024.
    URL: https://openai.com/index/hello-gpt-4o/

    • gpt-4o-mini-2024-07-18: يُستخدم لتوليد تفسيرات LLM.
  • نماذج Qwen (سلسلة Qwen3)

    فريق Qwen، "التقرير الفني لـ Qwen3"، arXiv:2505.09388، 2025.
    الورقة: https://arxiv.org/abs/2505.09388
    المستودع: https://github.com/QwenLM/Qwen3

    • Qwen3.5-4B: يُستخدم كعمود فقري للتضمين الدلالي (طبقة التضمين فقط).
  • GraphCodeBERT

    Guo وآخرون، "GraphCodeBERT: التدريب المسبق لتمثيلات الكود باستخدام تدفق البيانات"، ICLR 2021.
    الورقة: https://arxiv.org/abs/2009.08366
    المستودع: https://github.com/microsoft/CodeBERT

التراخيص

يستخدم هذا المشروع مجموعات بيانات ونماذج مُدرّبة مسبقًا متاحة للعموم، وتراخيصها مذكورة أدناه:

  • مجموعة بيانات LineVul
    الترخيص: رخصة MIT
    المصدر: https://github.com/awsm-research/LineVul

  • OpenAI GPT-4o-mini
    الاستخدام يخضع لـ شروط استخدام OpenAI.

  • نماذج Qwen (Qwen3.5-4B)
    الترخيص: رخصة Apache 2.0
    المصدر: https://github.com/QwenLM/Qwen3

  • GraphCodeBERT
    الترخيص: رخصة MIT
    المصدر: https://github.com/microsoft/CodeBERT

تُستخدم جميع الأصول وفقًا لتراخيصها الخاصة.

إعداد البيئة

المتطلبات

python >= 3.9

torch>=2.0.0
torch-geometric>=2.4.0

transformers>=4.35.0
accelerate>=0.25.0
sentencepiece

pandas>=1.5.0
tqdm>=4.60.0

tensorboard

تثبيت PyTorch Geometric

يعتمد PyTorch Geometric (PyG) على CUDA. يرجى تثبيته بما يتوافق مع بيئتك.

إعداد البيانات

بنية الدليل

data/
├── processed/
│   ├── train_data_masked.pt
│   ├── train_with_llm.csv
│   ├── val_data_masked.pt
│   ├── val_with_llm.csv
│   ├── test_data_masked.pt
│   ├── test_with_llm.csv
├── config/
│   └── node_vocab.json

تنسيق CSV

يجب أن يحتوي ملف CSV على الحقول التالية:

  • index: معرّف العينة الفريد
  • func_before: الكود المصدري
  • llm_explanation: التفسير المولّد بواسطة LLM

بيانات الرسم البياني (.pt)

يجب أن يتضمن كل كائن بيانات PyG ما يلي:

  • index: مطابق لملف CSV
  • x: ميزات العقد
  • ast_edge_index: حواف شجرة التحليل المجرد (AST)
  • cfg_edge_index: حواف مخطط تدفق التحكم (CFG)
  • y_f: تسمية على مستوى الدالة
  • y_s: تسميات على مستوى السطر
  • line_mask: تعيين الرموز إلى الأسطر

إعداد النموذج

يستخدم هذا الإطار النماذج المُدرّبة مسبقًا التالية:

  • المسار الدلالي: Qwen/Qwen3.5-4B
  • وحدة المحوّل: microsoft/graphcodebert-base

يمكنك تعديلهما من خلال:

--llm_model_name
--transformer_base_name

البدء السريع

python train.py \
  --train_pt_path ./data/processed/train_data_masked.pt \
  --train_csv_path ./data/processed/train_with_llm.csv \
  --valid_pt_path ./data/processed/val_data_masked.pt \
  --valid_csv_path ./data/processed/val_with_llm.csv \
  --vocab_path ./data/config/node_vocab.json \
  --output_dir ./outputs \
  --run_name demo

المخرجات

سيتم حفظ النتائج في:

outputs/<run_name>/

بما في ذلك:

  • نقاط تفتيش النموذج
  • السجلات
  • result.json
تنزيل الأداة

الأكثر شعبية

عرض الكل →

اكتشف الأدوات الأكثر استخدامًا من قبل مجتمعنا.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 مجموعة أدوات OSINT المثالية: رسم بياني للتحقيق، وتقييم الثقة، وعائلات الأسماء المستعارة، وخريطة، وخط زمني، وتقارير. 49 وحدة، وأكثر من 400 موقع، دون الحاجة إلى مفاتيح API.

    501
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # تطبيق GhostLock للتنفيذ بنقرة واحدة (CVE-2026-43499)

    467
  • 3

    ARTEX

    baarai/artex

    منصة اختبار اختراق مستقلة متعددة الوكلاء تعتمد على LLM، مع وكلاء تخطيط وتنفيذ، ومخططات للأصول والاستكشاف، وتسجيل حركة مرور MITM، وإعادة اختبار الثغرات.

    340
  • 4

    opencti

    opencti-platform/opencti

    منصة مفتوحة لاستخبارات التهديدات السيبرانية

    314
  • 5

    redforge

    cybersecurity91/redforge

    مجموعة أدوات الفريق الأحمر في المتصفح مع 102 أداة دون اتصال للاستطلاع، وتوليد الحمولات، وهجمات بيانات الاعتماد، والتشفير، والترميز، وإعداد تقارير المهام.

    307
  • 6

    estorides

    grisuno/estorides

    يجمع أكثر من 99 مصدرًا مجانيًا من مصادر OSINT بالتوازي، ويحوّل الكيانات إلى رسم بياني معرفي، ويصدّر بصيغة STIX 2.1 أو MISP أو GraphML مع تحليل بمساعدة LLM.

    295

استكشف جميع الأدوات

تصفح مجموعتنا من الأدوات

عرض جميع الأدوات →