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
pulsar — Protokoll-Lernen und Stateful Fuzzing | Kitploit
Tools/GitHubGitHub/hgascon/pulsar
SchwachstellenanalyseFuzzingNetzwerksicherheitMaschinelles Lernen
GitHubhgascon/pulsar

pulsar

Protokoll-Lernen und Stateful Fuzzing

Repository anzeigen
3547143vor 4 JahrenVon Kitploit geprüft
Teilen

PULSAR

Protokoll-Lernen, Simulation und zustandsbehafteter Fuzzer

Pulsar ist ein Netzwerk-Fuzzer mit automatischen Protokoll-Lern- und Simulationsfähigkeiten. Das Tool ermöglicht es, ein Protokoll durch maschinelle Lerntechniken wie Clustering und Markov-Modelle zu modellieren. Diese Modelle können verwendet werden, um die Kommunikation zwischen Pulsar und einem echten Client oder Server zu simulieren, dank semantisch korrekter Nachrichten, die in Kombination mit einer Reihe von Fuzzing-Primitiven es erlauben, die Implementierung eines unbekannten Protokolls auf Fehler in tieferen Zuständen seiner Protokollzustandsmaschine zu testen.

Für detaillierte Informationen über die von Pulsar implementierte Methode können Sie die folgenden Publikationen lesen:

Pulsar: Zustandsbehaftetes Black-Box-Fuzzing proprietärer Netzwerkprotokolle
Hugo Gascon, Christian Wressnegger, Fabian Yamaguchi, Daniel Arp und Konrad Rieck
Tagungsband der 11. EAI International Conference on Security and Privacy in Communication Networks (SECURECOMM), Oktober 2015

Lernen zustandsbehafteter Modelle für Netzwerk-Honeypots
Tammo Krueger, Hugo Gascon, Nicole Krämer und Konrad Rieck
ACM Workshop on Security and Artificial Intelligence (AISEC), Oktober 2012

                 _
     _ __  _   _| |___  __ _ _ __
    | '_ \| | | | / __|/ _` | '__|
    | |_) | |_| | \__ \ (_| | |
    | .__/ \__,_|_|___/\__,_|_|  v0.1-dev
    |_|

usage: pulsar.py [-h] [-c CONF] [-l] [-p PCAP] [-b BINARIES] [-a] [-x]
                 [-o OUT] [-d DIMENSION] [-s] [-z] [-m MODEL]

Protocol Learning and Stateful Fuzzing

optional arguments:
  -h, --help            show this help message and exit
  -c CONF, --conf CONF  Change default directory for configuration files. If
                        no directory is given, the files from 'pulsar/conf'
                        will be read.

MODEL LEARNING:
  -l, --learner         Learn a model from a set of network traces.
  -p PCAP, --pcap PCAP  tcpdump output file (pcap) or list of files separated
                        by commas to use as input data for a new model.
  -b BINARIES, --binaries BINARIES
                        Name of binaries to process from the cuckoo storage
                        dir separated with commas.
  -a, --all-binaries    Generate models for all binaries from the cuckoo
                        storage dir (cuckoo/storage/binaries).
  -x, --process         Process derrick files through the functions defined in
                        utils/preprocessing/derrick.py.
  -o OUT, --out OUT     Change output directory for generated models. If no
                        directory is given, the model will be written to the
                        'models' directory.
  -d DIMENSION, --dimension DIMENSION
                        Number of components to be used for NMF clustering.

SIMULATION & FUZZING:
  -s, --simulate        Simulate communication based on a given model.
  -z, --fuzzer          Start a fuzzing session based on a given model.
  -m MODEL, --model MODEL
                        Path of the dir containing the model files to be
                        loaded for simulation or fuzzing.

Konfiguration

Das Verzeichnis pulsar/conf enthält eine Reihe von Konfigurationsdateien, die die für bestimmte Operationen in jeder der Pulsar-Methoden für automatisches Lernen, Simulation und Fuzzing erforderlichen Parameter definieren.

Beispiele

Erzeugen Sie das Modell eines Kommunikationskanals aus einzelnen PCAP-Dateien oder den aufgezeichneten Spuren eines oder mehrerer von der Cuckoo-Sandbox ausgeführten Binärdateien:

$> pulsar.py -l -p file.pcap (1 pcap file)
$> pulsar.py -b 016169EBEBF1CEC2AAD6C7F0D0EE9026 (1 or more binaries from cuckoo storage)
$> pulsar.py -a (all binaries from cuckoo storage)

Simulieren Sie einen Kommunikationskanal basierend auf einem gelernten Modell:

$> pulsar.py -s -m model_file

Starten Sie eine Fuzzing-Sitzung gegen ein Ziel mit dem Modell seines Kommunikationskanals:

$> pulsar.py -z -m model_file
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.

    795
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    520
  • 3

    ARTEX

    baarai/artex

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

    439
  • 4

    redforge

    cybersecurity91/redforge

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

    346
  • 5

    looking-glass

    anonghosty/looking-glass

    CSIRT-Plattform, die Shadowserver-Berichte in MongoDB einliest und sie als interaktive Karten, Analysen, Findings, Advisories und Executive-Dashboards wiedergibt.

    267
  • 6

    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.

    264

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →