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
API-attack-detection-with-AI — Erkennung von SQL/XSS-Angriffen auf Web-API mit KI | Kitploit
Tools/GitHubGitHub/mouna23/api-attack-detection-with-ai
SchwachstellenscannerCode-AnalyseWebsicherheitMaschinelles LernenLernen & BildungAPI-Sicherheit
GitHubmouna23/api-attack-detection-with-ai

API-attack-detection-with-AI

Erkennung von SQL/XSS-Angriffen auf Web-API mit KI

Repository anzeigenWebseite
3138vor 1 JahrNoch nicht geprüft
Teilen

Erkennung von SQL/XSS-Angriffen auf Web-APIs mit künstlicher Intelligenz / maschinellem Lernen

Dieses Projekt zielt darauf ab, SQL- und XSS-Injektionen in API-Anfragen/Parametern mithilfe von maschinellem Lernen zu erkennen.

Projektvorstellung

Dieses Projekt zielt darauf ab, SQL- und XSS-Injektionen in API-Anfragen und -Parametern mithilfe von Machine Learning-Techniken zu erkennen.
Ziel ist es, eine einfache Pipeline zu erstellen, die Folgendes ermöglicht:

  • Vorbereiten und Bereinigen eines Datensatzes von API-Anfragen,
  • Trainieren eines Modells, das Anfragen automatisch als benign, sql_injection oder xss klassifizieren kann,
  • Bereitstellen eines wiederverwendbaren Modells für Tests oder eine zukünftige Echtzeit-Erkennungs-API.

Projekt-Workflow

  1. Datensatz vorbereiten
    Die Datei generated_payloads.csv im Ordner data/ enthält Beispiele von gekennzeichneten API-Anfragen (sql_injection, xss, benign), die aus externen Quellen wie Kaggle stammen oder lokal generiert wurden.

  2. Bereinigung und Aufteilung des Datensatzes

    python scripts/clean_and_split.py
    

Das Skript:

  • entfernt Duplikate und leere Zeilen,
  • bereinigt Texte (Leerzeichen, Zeilenumbrüche, Tabulatoren),
  • normalisiert die Labels,

und generiert:

  • data/combined.csv: vollständig bereinigter Datensatz,
  • data/train.csv: Trainingsdaten (80%),
  • data/test.csv: Testdaten (20%).
  1. Training des Modells
    python scripts/train_model.py
    

Das Modell verwendet eine ML-Pipeline:

  • TF-IDF Vectorizer (TfidfVectorizer): wandelt Textanfragen in numerische Vektoren um und erfasst die Bedeutung von Wörtern oder verdächtigen Symbolen.
  • Logistic Regression (LogisticRegression): überwachter Klassifikator, der lernt, die TF-IDF-Vektoren den Klassen sql_injection, xss oder benign zuzuordnen.

Nach dem Training wird das Modell im Ordner models gespeichert und kann dann verwendet werden, um die Klasse einer neuen Anfrage vorherzusagen.

  1. Automatische Tests
    pytest -v -s tests/test_pipeline.py
    

Der Test überprüft:

  • das Modell ladbar ist,
  • es mehrere einfache Beispiele korrekt vorhersagt,
  • keine Pipeline-Fehler auftreten.
  1. Python-Abhängigkeiten
    pip3 install -r requirements.txt
    

Bibliotheken

  • pandas
  • scikit-learn
  • joblib
  • pytest
  1. Hinweise
    Die Skripte sind für die lokale Ausführung in einer Python 3.13+-Umgebung mit den aufgeführten Abhängigkeiten konzipiert.
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 →