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
AI-Threat-Modeler — OWASP-Projekt für KI-gestützte Bedrohungsmodellierung, das Teams dabei unterstützt, Sicherheitsbedrohungen und Gegenmaßnahmen in Systemdesigns zu identifizieren, zu analysieren und zu dokumentieren. | Kitploit
Tools/GitHubGitHub/owasp/ai-threat-modeler
DefensivwerkzeugeSchwachstellenanalyseBedrohungsanalysePapers & ForschungKI-Sicherheit
GitHubowasp/ai-threat-modeler

AI-Threat-Modeler

OWASP-Projekt für KI-gestützte Bedrohungsmodellierung, das Teams dabei unterstützt, Sicherheitsbedrohungen und Gegenmaßnahmen in Systemdesigns zu identifizieren, zu analysieren und zu dokumentieren.

Repository anzeigen
2109vor 29 TagenNoch nicht geprüft
Teilen

KI-Threat-Modeler

Richte ihn auf eine Codebasis. Erhalte ein codegestütztes Threat-Model zurück – bereit zur Überprüfung, Hinterfragung und Umsetzung. Die Teile, die der Code nicht sehen kann – der Geschäftskontext und die dahinterliegende Architektur – sind der Punkt, an dem du und deine Architekten ins Spiel kommen.

Lade eine ZIP-Datei hoch oder importiere ein GitHub-Repo, und der KI-Threat-Modeler erzeugt ein STRIDE-geprägtes Threat-Model-Artefakt: ein Datenflussdiagramm, Kandidaten-Bedrohungen und ein Risikoregister – mit Links zu den exakten Quelldateien und Zeilennummern, wann immer der KI-Agent sie in echtem Code verankern kann. Ein optionaler adversarialer Durchlauf verwirft Befunde ohne Code-Belege.

Gebaut für AppSec-Teams, die Threat Modeling auf Basis des tatsächlichen Codes wollen – nachvollziehbar, überprüfbar und immer aktuell.

Was das ist (und was nicht)

Sei dir im Klaren darüber, was du bekommst, denn der Unterschied ist wichtig:

  • Dies ist ein KI-Threat-Modeler, der im Code verankert ist. Er verwandelt eine Codebasis in einen Ausgangskatalog aus DFD- + STRIDE-Befunden + Risiken, jeweils verankert an einer echten file:line.
  • Dies ist im Code verankert. Unser Arbeitsprinzip ist kurz und konkret: identifiziere die Bedrohung, verankere die Wahrheit im Code, handle dann danach. Jeder Befund ist an eine echte file:line verankert, und Behauptungen ohne Code-Belege werden verworfen. Das Ergebnis ist konkreter, überprüfbarer Input, auf den dein Team reagieren kann – der Code ist die Quelle der Wahrheit, und dein Team bringt das Urteilsvermögen mit, um danach zu handeln.

Der Wert, den du herausbekommst, ist proportional zu dem, was du hineingibst (garbage in, garbage out) und dazu, wie ernsthaft dein Team auf die Befunde reagiert – das Diagramm verifizieren, Behauptungen gegen den Code abgleichen und den Geschäfts-/Designkontext ergänzen, der außerhalb der Codebasis liegt. Siehe So verwendest du die Ausgabe für den vollständigen Workflow und wie du sie als Haben-wir-einen-guten-genug-Job-gemacht-Check gegen ein bestehendes, manuell erstelltes Threat-Model einsetzen kannst.

📹 Demo

Demo-Video

Oder auf der Dateiseite ansehen.

In 3 Schritten ausprobieren

Du benötigst Docker und einen API-Schlüssel für einen der unterstützten Anbieter – Anthropic (Claude), OpenAI oder DeepInfra, um Open-Weight-Modelle (Kimi, GLM, DeepSeek) auszuführen.

  1. Richte deine Umgebung ein. Kopiere die Env-Datei und füge ein zufälliges JWT_SECRET hinzu:

    cp .env.example .env
    echo "JWT_SECRET=$(openssl rand -hex 32)" >> .env
    
  2. Bauen und starten:

    docker-compose up -d --build
    
  3. Öffne http://localhost:3000, melde dich mit admin / admin an, füge deinen API-Schlüssel unter Settings hinzu und reiche ein Repository ein.

👉 Neu hier? Folge der Getting Started-Anleitung für die vollständige Schritt-für-Schritt-Anleitung mit Details in Screenshot-Qualität.

Was du bekommst

Nach Abschluss eines Jobs öffne den Bericht — eine Sammlung von Artefakten für deine Prüfung, kein abschließendes Urteil:

TabInhalt
Data Flow DiagramInteraktives Diagramm mit Vertrauensgrenzen; klicke auf einen Knoten, um zugehörige Kandidatenbedrohungen und Quelldateien zu sehen. Prüfe dies zuerst gegen deine reale Architektur — Befunde, die auf einem falschen Diagramm basieren, sind fragwürdig.
Threat ModelKandidaten-STRIDE-Bedrohungen mit Schweregrad, Gegenmaßnahme und Location (Datei:Zeile, Snippet, GitHub-Link bei Import aus GitHub). Behandle jede als Hypothese, die im Code verifiziert werden muss, nicht als Schlussfolgerung.
Risk RegistryRisiken, die mit Bedrohungen verknüpft sind, mit Behebungsplänen — Rohmaterial für die Entscheidungen deines Teams und die nachverfolgte Behebung.

Exportiere als PDF, CSV (Excel-freundlich) oder JSON, damit du die Befunde in deinen Issue-Tracker und deine dokumentierte Threat-Modeling-Praxis übernehmen kannst.

So funktioniert es

Jeder Job durchläuft einen kurzen Stage → Run-Ablauf, damit die KI dein Deployment versteht, nicht nur deinen Code:

  1. Analyze — die App füllt automatisch sechs bearbeitbare Kontextfelder aus (Projektzusammenfassung, Sicherheitskontext, Deployment-Kontext, Entwicklerhinweise, vorgeschlagene Ausschlüsse und Notizen). Dies ist deine wirkungsvollste Eingabe — bearbeite sie mit echtem Deployment- und Geschäftskontext; das Artefakt ist nur so gut wie das, was du hineingibst.
  2. Run — der Agent erzeugt das vollständige STRIDE-Artefakt und zeigt den Live-Status im Dashboard an. Danach prüft dein Team es (siehe How to use the output).

Modellanbieter

Bringe deinen eigenen Schlüssel für den Anbieter mit, der zu deinem Budget und deinen Compliance-Anforderungen passt — wähle Anbieter und Modell unter Settings:

  • Anthropic (Claude) und OpenAI — gehostete Frontier-Modelle.
  • DeepInfra — Open-Weight-Modelle. Betreibe die Familien Kimi, GLM und DeepSeek hinter einer OpenAI-kompatiblen API auf einer HIPAA- und SOC 2-zertifizierten Inferenz-Cloud. Die Modellauswahl listet jede Option mit ihrem Preis pro Million Token und ihrem Kontextfenster auf, und die Kosten pro Job werden exakt ausgewiesen. Open-Weight-Modelle können drastisch günstiger sein — ein typischer Job auf DeepSeek V4 Flash kostet Cents, nicht Dollar.

Du kannst außerdem reasoning_effort anpassen und den adversarialen zweiten Durchlauf pro Instanz umschalten. Siehe die Settings Reference.

Dokumentation

AnleitungFür
Getting StartedErstmalige Nutzer — von der Installation bis zum ersten Bericht
Importing from GitHubÖffentliche und private Repos, Branches, Limits
Settings ReferenceKosten, Tiefe und Anbieter abstimmen
TroubleshootingWenn etwas schiefgeht
FeaturesVollständige Funktionsliste
DeploymentBetrieb mit Docker Compose in der Produktion
SETUP.mdLokale Entwicklung ohne Docker
CHANGELOG.mdVersionshistorie

Vollständiger Dokumentationsindex: docs/. Interaktive API-Spezifikation: http://localhost:3001/api-docs (wenn das Backend läuft).

Mitwirken / Entwicklung

npm test                                             # backend + frontend unit tests
cd frontend && npm run e2e:install && npm run e2e    # Playwright end-to-end tests

Siehe SETUP.md für die vollständige Entwicklungsumgebung (Node 18+, ohne Docker).

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.

    755
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    510
  • 3

    ARTEX

    baarai/artex

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

    415
  • 4

    redforge

    cybersecurity91/redforge

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

    343
  • 5

    antifox

    antifox-ai/antifox

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

    259
  • 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.

    258

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →