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
Cyber-Zero — Framework zum Trainieren von LLM-Cybersicherheitsagenten ohne Laufzeitumgebungen, zur Synthese von CTF-Lösungstrajektorien durch personengetriebene Simulation und zur Evaluierung auf InterCode-CTF, NYU CTF Bench und Cybench. | Kitploit
Tools/GitHubGitHub/amazon-science/cyber-zero
SchwachstellenanalyseCTFPenetrationstestsMaschinelles LernenPapers & ForschungLernen & BildungKI-SicherheitLabs & PraxisArchived
GitHubamazon-science/cyber-zero

Cyber-Zero

Framework zum Trainieren von LLM-Cybersicherheitsagenten ohne Laufzeitumgebungen, zur Synthese von CTF-Lösungstrajektorien durch personengetriebene Simulation und zur Evaluierung auf InterCode-CTF, NYU CTF Bench und Cybench.

10022vor 9 MonatenVon Kitploit geprüft
Repository anzeigenWebseite
Teilen

Cyber-Zero: Training von Cybersicherheits-Agenten ohne Laufzeitumgebung

🎉 Schauen Sie sich unsere neueste Arbeit an!

🚀 Erste Laufzeitumgebung für Cybersicherheits-Agenten 🚀

🧐 Überblick | 🏆 Benchmark-Suite | 🚀 Schnellstart | 🏗️ Architektur | ⚙️ Konfiguration | 📊 Generierung | 📝 Validierung | 📝 CLI-Schnittstelle | 📝 Zitation

Cyber-Zero ist ein umfassendes Framework zum Training von Cybersicherheits-Agenten, das keine Laufzeit-Ausführungsumgebungen erfordert.

Überblick

Cyber-Zero Teaser

Large Language Models (LLMs) haben bei Software-Engineering-Aufgaben bemerkenswerte Erfolge erzielt, wenn sie mit ausführbaren Laufzeitumgebungen trainiert wurden. Solche Umgebungen sind jedoch in Cybersicherheitsdomänen oft nicht verfügbar, in denen Challenge-Konfigurationen und Ausführungskontexte flüchtig oder eingeschränkt sind. Cyber-Zero adressiert diese grundlegende Einschränkung, indem es öffentlich verfügbare CTF-Writeups nutzt und personengetriebene LLM-Simulation einsetzt, um Laufzeitverhalten nachzubilden und realistische, langfristige Interaktionssequenzen ohne tatsächliche Ausführungsumgebungen zu generieren.

Die zentrale Innovation besteht darin, hochwertige Trainings-Trajektorien durch LLM-Simulation zu erzeugen, anstatt tatsächliche Ausführungsumgebungen zu benötigen, was es skalierbar und praktisch für das Training von Cybersicherheits-Agenten macht. Unter Verwendung der von Cyber-Zero synthetisierten Trajektorien trainieren wir LLM-basierte Agenten, die bis zu 13,1 % absolute Leistungssteigerungen gegenüber Basismodellen bei drei prominenten CTF-Benchmarks erzielen: InterCode-CTF, NYU CTF Bench und Cybench.

Benchmark-Suite

Um die Evaluierung von Cybersicherheits-Agenten zu demokratisieren, stellen wir drei reparierte Benchmark-Suiten bereit, die für EnIGMA+ in Cyber-Zero angepasst wurden:

  • InterCode-CTF – Eine umfassende Sammlung von CTF-Challenges, die verschiedene Cybersicherheitsdomänen abdeckt
  • NYU CTF Bench – NYUs kuratierte Benchmark-Suite zur Evaluierung der LLM-basierten CTF-Lösefähigkeiten
  • Cybench – Ein vielfältiger Benchmark, der mehrere CTF-Kategorien und Schwierigkeitsstufen abdeckt

Alle Benchmarks wurden neu formatiert, um der EnIGMA- und EnIGMA+-Spezifikation zu folgen, wobei jede Challenge eine challenge.json-Datei und eine docker-compose.yml-Datei (falls erforderlich) enthält.

Unsere Benchmark-Suite adressiert mehrere in den ursprünglichen Benchmarks identifizierte Probleme und bietet reparierte Versionen für eine zuverlässige Evaluierung. Detaillierte Informationen zu spezifischen Reparaturen und Verbesserungen finden Sie in der benchmarks/README.md.

EnIGMA+

Um die Entwicklung von Cybersicherheits-Agenten zu erleichtern, präsentieren wir EnIGMA+, ein erweitertes Agenten-Gerüst von EnIGMA, das Hunderte von CTF-Challenges in Stunden statt in Tagen ausführt. EnIGMA+ baut auf SWE-agent auf.

Mit EnIGMA+, unserem besten Modell, etabliert Cyber-Zero-32B eine neue State-of-the-Art-Leistung unter den Open-Weight-Modellen und erreicht die Fähigkeiten proprietärer Systeme wie DeepSeek-V3-0324 und Claude-3.5-Sonnet bei gleichzeitig überlegener Kosteneffizienz. Dies zeigt, dass die laufzeitfreie Trajektoriensynthese die Entwicklung modernster Cybersicherheitsagenten wirksam demokratisieren kann.

Detaillierte Informationen zu EnIGMA+, einschließlich Installation, Konfiguration und Nutzungshinweisen, finden Sie in der README im Ordner enigma-plus.

Installation

Aus dem Quellcode

# Install dependencies
pip install -r requirements.txt

# Install the package
pip install -e .

Schnellstart

Trajektorien generieren

# 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

Qualität bewerten

# 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

Trajektorien neu formatieren

# 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

Architektur

Das Framework folgt einer modularen Architektur von 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

Hauptkomponenten

  • Config: Zentralisierte Konfigurationsverwaltung mit Modellzuordnungen und Validierungsregeln
  • Models: Typsichere Datenstrukturen für Aufgaben, Trajektorien und Bewertungsergebnisse
  • Validation: Umfassende Validierung von Antworten, Befehlen und Aktionsformaten
  • LLMClient: Abstrahierte Schnittstelle für verschiedene Sprachmodelle mit Wiederholungslogik
  • TrajectoryGenerator: Hauptorchestrator für die Konversationserzeugung
  • CLI: Benutzerfreundliche Kommandozeilenschnittstelle

Konfiguration

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.

    708
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    500
  • 3

    ARTEX

    baarai/artex

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

    398
  • 4

    redforge

    cybersecurity91/redforge

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

    341
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Das System der Handlung für KI-native Cybersicherheit – wo Absicht zu gesteuerter Ausführung wird, Beweise zu operativem Gedächtnis werden und jeder Einsatz den nächsten verbessert.

    259
  • 6

    antifox

    antifox-ai/antifox

    KI-Multi-Agenten-Plattform für autonome Penetrationstests, die Recon, Angriffsflächen-Erkennung, Exploit-Validierung und evidenzbasierte Berichtserstellung durchführt.

    257

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →