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
pytm — Ein Pythonisches Framework zur Bedrohungsmodellierung | Kitploit
Tools/GitHubGitHub/izar/pytm
SchwachstellenanalyseDevSecOpsBedrohungsanalyseLernen & Bildung
GitHubizar/pytm

pytm

Ein Pythonisches Framework zur Bedrohungsmodellierung

Repository anzeigen
22140vor 18 TagenVon Kitploit geprüft
Teilen

build+test OpenSSF Best Practices

pytm: Ein pythonischer Framework für Threat Modeling

pytm logo

Einführung

Traditionelles Threat Modeling kommt oft zu spät oder manchmal gar nicht. Darüber hinaus kann die manuelle Erstellung von Datenflüssen und Berichten extrem zeitaufwendig sein. Das Ziel von pytm ist es, Threat Modeling nach links zu verschieben und es automatisierter und entwicklerzentrierter zu machen.

Funktionen

Basierend auf Ihren Eingaben und der Definition des Architekturdesigns kann pytm automatisch die folgenden Elemente generieren:

  • Datenflussdiagramm (DFD)
  • Sequenzdiagramm
  • Relevante Bedrohungen für Ihr System

Anforderungen

  • Linux/MacOS
  • Python 3.11+
  • Graphviz-Paket
  • Java (OpenJDK 10 oder 11)
  • plantuml.jar

Erste Schritte

Die Datei tm.py ist ein Beispielmodell. Sie können sie ausführen, um den Bericht und die referenzierten Diagrammbilddateien zu generieren:

mkdir -p tm
./tm.py --report docs/basic_template.md | pandoc -f markdown -t html > tm/report.html
./tm.py --dfd | dot -Tpng -o tm/dfd.png
./tm.py --seq | java -Djava.awt.headless=true -jar $PLANTUML_PATH -tpng -pipe > tm/seq.png

Es gibt auch ein Beispiel-Makefile, das all dies in Targets verpackt, die leicht für mehrere Modelle geteilt werden können. Wenn Sie GNU make installiert haben (standardmäßig auf Linux-Distributionen verfügbar, aber nicht auf OSX), führen Sie einfach aus:

make MODEL=the_name_of_your_model_minus_.py

Sie sollten entweder plantuml.jar im selben Verzeichnis wie Ihr Modell haben oder PLANTUML_PATH setzen.

Um die Installation aller Abhängigkeiten wie pandoc oder Java zu vermeiden, kann das Skript in einem Container ausgeführt werden:

# do this only once
export USE_DOCKER=true
make image

# call this after every change in your model
make

Erste Schritte – Devbox-Variante

Um die Nutzung von pytm zu vereinfachen, können Host-Abhängigkeiten vollständig isoliert werden, indem Devbox verwendet wird. Dies ist in der Regel eine Alternative mit geringerem Overhead und mehr Komfort im Vergleich zum OCI-Container-Ansatz.

  • Devbox unter Linux/MacOS installieren: curl -fsSL https://get.jetify.com/devbox | bash
  • Devbox unter Windows/WSL installieren
  • Auf die neueste Version von devbox aktualisieren: devbox version update
  • Den GitHub-Zugriffstoken in der Datei ~/.config/nix/nix.conf festlegen: access-tokens = github.com=YOUR_TOKEN_HERE
  • Eine neue, isolierte Shell-Umgebung erstellen, die alle in der Datei devbox.json des Projekts angegebenen Tools und Pakete enthält: devbox shell
  • Den vollständigen Pfad zur Python-Executable anzeigen, die verwendet wird, wenn Sie einfach python in Ihrem Terminal eingeben, indem Sie den Befehl which python verwenden. Die Ausgabe sollte der folgende Pfad sein: .devbox/nix/profile/default/bin/python
  • Testen Sie dies, indem Sie den folgenden Befehl ausführen, der ein DFD als PNG-Datei namens sample.png generieren sollte: ./tm.py --dfd | dot -Tpng -o sample.png
  • Die Devbox-Shell-Umgebung verlassen: exit

Erste Schritte – KI-Variante

„Aber ich dachte, wir wären mit diesem ‚Code schreiben‘-Ding durch!“ – dieser Abschnitt ist für diejenigen unter uns, die es genießen, zu viel mit KI-Assistenten zu sprechen: Schauen Sie sich https://github.com/izar/tm_skills an, um einige Möglichkeiten zu finden, OWASP pytm zu Ihrem Coding-Assistenten hinzuzufügen (Sie benötigen weiterhin eine funktionierende Installation von pytm!).

Verwendung

Alle verfügbaren Argumente:

usage: tm.py [-h] [--debug] [--dfd] [--report REPORT] [--exclude EXCLUDE]
             [--seq] [--list] [--colormap] [--describe DESCRIBE]
             [--list-elements] [--json JSON] [--levels LEVELS [LEVELS ...]]
             [--stale_days STALE_DAYS]

options:
  -h, --help            show this help message and exit
  --debug               print debug messages
  --dfd                 output DFD
  --report REPORT       output report using the named template file (sample
                        template file is under docs/basic_template.md)
  --exclude EXCLUDE     specify threat IDs to be ignored
  --seq                 output sequential diagram
  --list                list all available threats
  --colormap            color the risk in the diagram
  --describe DESCRIBE   describe the properties available for a given element
  --list-elements       list all elements which can be part of a threat model
  --json JSON           output a JSON file
  --levels LEVELS [LEVELS ...]
                        Select levels to be drawn in the threat model (int
                        separated by comma).
  --stale_days STALE_DAYS
                        checks if the delta between the TM script and the code
                        described by it is bigger than the specified value in
                        days

Das Argument stale_days versucht zu bestimmen, wie viele Tage das Modellskript (das Sie schreiben) von dem Code entfernt ist, der das modellierte System implementiert. Idealerweise sollten beide in den meisten Fällen eines aktiv entwickelten Systems recht nahe beieinanderliegen. Sie können dies regelmäßig ausführen, um den Puls Ihres Projekts und die „Aktualität“ Ihres Threat Models zu messen.

Derzeit verfügbare Elemente sind: TM, Element, Server, ExternalEntity, Datastore, Actor, Process, Dataflow, Boundary, Lambda, LLM und Agent.

Die verfügbaren Eigenschaften eines Elements können mit --describe gefolgt vom Namen eines Elements aufgelistet werden:

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.

    717
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    504
  • 3

    ARTEX

    baarai/artex

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

    402
  • 4

    redforge

    cybersecurity91/redforge

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

    342
  • 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.

    260
  • 6

    antifox

    antifox-ai/antifox

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

    259

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →