Skip to content
KitploitKITPLOIT
ToolsExploitsBlog
Log in
Einreichen
ToolsExploitsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

FeedsKontaktDatenschutz© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
Adversarial-Detection-Engineering-Framework — Ein Framework und eine Taxonomie zur Identifizierung, Klassifizierung und Begründung von Erkennungslogikfehlern in SIEM-, EDR- und XDR-Regeln, mit konkreten Beispielen und realen Umgehungen. | Kitploit
Tools/GitHubGitHub/adversarial-detection-engineering/adversarial-detection-engineering-framework
DefensivwerkzeugeSchwachstellenanalyseIDS/IPS-UmgehungPenetrationstestsBedrohungsanalyseLernen & BildungRed TeamingIncident ResponseKuratierte Ressourcen
Log-Analyse
GitHubadversarial-detection-engineering/adversarial-detection-engineering-framework

Adversarial-Detection-Engineering-Framework

Ein Framework und eine Taxonomie zur Identifizierung, Klassifizierung und Begründung von Erkennungslogikfehlern in SIEM-, EDR- und XDR-Regeln, mit konkreten Beispielen und realen Umgehungen.

Repository anzeigen
59849vor 19 TagenVon Kitploit geprüft
Teilen

Adversarial Detection Engineering (ADE) Framework

Author GitHub Last Commit GitHub License

Seien Sie falsch-negativen Ergebnissen einen Schritt voraus, indem Sie verstehen, wie Erkennungslogik versagt, bevor Bedrohungsakteure dies ausnutzen.

Besuchen Sie die Website: https://adeframework.org/

Was ist ADE?

Adversarial Detection Engineering (ADE) ist die Disziplin, über falsch-negative Ergebnisse in Erkennungsregeln zu reflektieren. Das ADE Framework bietet eine moderne Open-Source-Formalisierung von Detection Logic Bugs – Diskrepanzen zwischen dem, was eine Erkennungsregel zu erkennen beabsichtigt, und dem, was sie tatsächlich erkennt.

Der ADE-Vorteil

Anstatt auf falsch-negative Ergebnisse in der Praxis zu warten, können Detection Engineers proaktiv fragen:

„Welche Variationen würden dazu führen, dass die Erkennungslogik dieser Regel das verfehlt, was sie eigentlich erfassen sollte?"

Diese adversariale Denkweise spiegelt wider, wie Bedrohungsakteure Schwächen in der Erkennungslogik ausnutzen können.

Hauptmerkmale

  • ✅ Reproduzierbare Detection Logic Bugs identifizieren und sie formalen ADE-Kategorien zuordnen
  • ✅ Das mentale Modell eines Angreifers einbetten in die Art und Weise, wie Erkennungslogik entworfen und überprüft wird
  • ✅ Strukturelle Schwächen aufdecken in Regeln, die für Hunts oder produktive MDR-Tooling (SIEM, XDR, EDR) verwendet werden
  • ✅ Sicherheitsteams ausstatten mit umsetzbaren Erkenntnissen zu Detection Logic Bugs
  • ✅ Falsch-negativen Ergebnissen einen Schritt voraus sein, bevor Bedrohungsakteure sie entdecken und ausnutzen

Zweck von ADE

Der Zweck von ADE ist nicht, Perfektion im Design zu erzwingen, obwohl das ein idealer Zustand wäre – sondern das Bewusstsein zu schärfen und Einschränkungen nachzuverfolgen, selbst wenn sie beabsichtigt sind:

  • Bei ADE geht es nicht darum, perfekte Erkennungsregeln zu verlangen; es geht darum, das Risiko falsch-negativer Ergebnisse sichtbar zu machen.
  • Viele Regeln enthalten absichtlich Einschränkungen aufgrund von Geltungsbereich, Signalqualität oder betrieblichen Zwängen, und diese können dennoch ADE-Bug-Typen zugeordnet werden, ohne „falsch" zu sein.
  • ADE bietet eine gemeinsame Methode, um diese Risiken über einen gesamten Regelsatz hinweg zu dokumentieren, zu akzeptieren, zu mindern oder zu kompensieren, anstatt einzelne Regeln isoliert zu beurteilen.

Verbindung von ADE zu Detection Logic Exposures (DLE)

  • ADE liefert eine kanonische Taxonomie und Bug-Klassen für Detection Logic Bugs.
  • DLE bietet eine anerkannte Liste öffentlich offengelegter Bypässe mit ADE-Zuordnungen.

Bypässe aus der Praxis

  • In-the-Wild dokumentiert Bedrohungsakteure, bei denen die Verwendung von Erkennungs-Bypass-Techniken in realen Angriffen beobachtet wurde, zugeordnet zu ADE-Bug-Klassen.
  • Diese Fälle sind selten. Jeder einzelne ist ein Beleg dafür, dass eine ADE-Bug-Klasse in der Praxis ausgenutzt wird, nicht nur in der Theorie.

Schnellstart

Neu bei ADE? Beginnen Sie hier:

  1. Einführung – Verstehen Sie, was ADE ist und warum es wichtig ist
  2. Kernkonzepte – Lernen Sie die grundlegende Terminologie kennen
  3. Schnellstartanleitung – Wenden Sie ADE auf Ihre erste Erkennungsregel an
  4. Bug-Likelihood-Test – Schnelle Checkliste zur Bewertung von Regeln auf Bugs

Bereit für einen tiefen Einstieg?

  • Theorie der Detection Logic Bugs – Formale Grundlagen
  • Taxonomie-Übersicht – Alle Bug-Kategorien
  • Beispiele – Beispiele aus der Praxis
  • Bypässe aus der Praxis – Bedrohungsakteure, bei denen die Verwendung von Bypass-Techniken beobachtet wurde

ADE-Taxonomie für Detection Logic Bugs

Das Framework identifiziert 4 Hauptkategorien und 16 Unterkategorien von Detection Logic Bugs:

🌳 ADE1 – Reformatting in Actions
    ├─ ADE1-01 Substring Manipulation
    └─ ADE1-02 Normalization Asymmetry

🌳 ADE2 – Omit Alternatives
    ├─ ADE2-01 Method/Binary
    ├─ ADE2-02 Versioning
    ├─ ADE2-03 Locations
    └─ ADE2-04 File Types

🌳 ADE3 – Context Development
    ├─ ADE3-01 Process Cloning
    ├─ ADE3-02 Aggregation Hijacking
    ├─ ADE3-03 Timing and Scheduling
    ├─ ADE3-04 Event Fragmentation
    ├─ ADE3-05 Lineage Spoofing
    └─ ADE3-06 Limit Saturation

🌳 ADE4 – Logic Manipulation
    ├─ ADE4-01 Gate Inversion
    ├─ ADE4-02 Conjunction Inversion
    ├─ ADE4-03 Incorrect Expression
    └─ ADE4-04 Field Mismapping & Semantics

→ Die vollständige Taxonomie erkunden

Was das Framework bietet

1. Theorie der Detection-Logic-Bugs

Formale Definitionen und theoretische Grundlage:

  • Was einen Detection-Logic-Bug ausmacht
  • Wie Bugs False Negatives erzeugen
  • Beziehung zwischen Scope und Detection-Logik
  • Konzept der Rule Bypasses

2. Formale Bug-Taxonomie

Umfassende Klassifikation mit klarer Terminologie:

  • 4 Hauptkategorien
  • 16 detaillierte Unterkategorien
  • Konsistentes Bezeichnungssystem (ADE1-01, ADE2-01 usw.)
  • Zuordnung zu realen Detection-Regeln

3. Praxisnahe Beispiele

Konkrete Beispiele aus Produktions-Rulesets:

  • Sigma Detection-Regeln
  • Microsoft Sentinel Analytics
  • Elastic Security SIEM- & EDR-Regeln
Tool herunterladen

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Das ultimative OSINT-Toolkit: Untersuchungsgraph, Konfidenzbewertung, Alias-Familien, Karte, Zeitleiste und Berichte. 49 Module, 400+ Websites, keine API-Schlüssel erforderlich.

    509
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock One-Tap Execution App (CVE-2026-43499)

    469
  • 3

    ARTEX

    baarai/artex

    LLM-basierte Multi-Agenten-Plattform für autonome Penetrationstests mit Planer-/Worker-Agenten, Asset- und Explorationsgraphen, MITM-Verkehrsaufzeichnung und Schwachstellen-Retesting.

    343
  • 4

    redforge

    cybersecurity91/redforge

    Browser-seitiges Red-Team-Toolkit mit 102 Offline-Tools für Recon, Payload-Generierung, Credential-Angriffe, Krypto, Encoding und Engagement-Reporting.

    310
  • 5

    opencti

    opencti-platform/opencti

    Offene Plattform für Cyber-Bedrohungsinformationen

    306
  • 6

    estorides

    grisuno/estorides

    Aggregiert 99+ kostenlose OSINT-Quellen parallel, löst Entitäten in einen Knowledge Graph auf und exportiert STIX 2.1, MISP oder GraphML mit LLM-gestützter Analyse.

    301

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →