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
SBOM-VEX-Taint-Analysis — Automatisierte SBOM-zu-VEX-Pipeline unter Verwendung eines sicheren Multi-Agenten-KI-Systems, um CVEs zu analysieren, Ausnutzbarkeit zu bewerten und signierte CycloneDX VEX-Dokumente in Übereinstimmung mit OWASP GenAI guidelines zu generieren | Kitploit
Tools/GitHubGitHub/owasp/sbom-vex-taint-analysis
SchwachstellenanalyseLieferkettensicherheitPapers & ForschungLernen & BildungKuratierte RessourcenKI-Sicherheit
GitHubowasp/sbom-vex-taint-analysis

SBOM-VEX-Taint-Analysis

Automatisierte SBOM-zu-VEX-Pipeline unter Verwendung eines sicheren Multi-Agenten-KI-Systems, um CVEs zu analysieren, Ausnutzbarkeit zu bewerten und signierte CycloneDX VEX-Dokumente in Übereinstimmung mit OWASP GenAI guidelines zu generieren

Repository anzeigen
21116vor 2 TagenNoch nicht geprüft
Teilen

SBOM → VEX Agent

Automatische Generierung signierter CycloneDX-VEX-Dokumente aus SBOMs mithilfe einer sicheren Multi-Agenten-KI-Pipeline, entwickelt in Übereinstimmung mit den Richtlinien des OWASP GenAI Security Project.

License: MIT OWASP CycloneDX AutoGen


Das Problem

Die Erstellung einer SBOM bringt Hunderte von CVEs ans Licht. In der Praxis sind über 90 % davon im spezifischen Laufzeitkontext eines Produkts nicht ausnutzbar. Ohne ein Vulnerability Exploitability eXchange (VEX)-Dokument ertrinkt jedes nachgelagerte Tool — Dependency-Track, Release-Gates, Beschaffungschecklisten — in Fehlalarmen.

Lesen Sie das WIKI für weitere technische Details und Testergebnisse

Die manuelle VEX-Erstellung ist zeitaufwändig und skaliert nicht. Ein erfahrener Analyst kann Stunden mit der Bewertung einer einzigen Komponente verbringen. Eine produktive SBOM kann 500–2.000 Komponenten enthalten.

Dieses Projekt automatisiert diese Analyse-Pipeline — sicher, ohne Vendor-Lock-in, wobei alle Daten auf Ihrer Infrastruktur verbleiben.

Praxisbezogene Motivation: Im Jahr 2024 dokumentierte die Sicherheitsforscherin Johanna Curiel genau dieses Problem bei der Analyse des Kubernetes Java Client. Der OSV-Scanner identifizierte innerhalb von Sekunden eine CVE mit hohem Risiko in com.diffplug.spotless:spotless-maven-plugin 1.17.0. Die Feststellung, dass es sich um not_affected handelte (Build-Time-Plugin, nie zur Laufzeit ausgeführt), erforderte Stunden manueller Analyse. Dieses Projekt automatisiert diesen Analyse-Schritt.


Architektur

Vier Sicherheitszonen. Nichts überschreitet eine Grenze ohne explizite Validierung.

┌─────────────────────────────────────────────────────────────────┐
│  ZONE 1 — Input ingestion (no LLM)                              │
│  SBOM upload → Schema validate → Sanitise → SHA-256 audit hash  │
└────────────────────────────┬────────────────────────────────────┘
                             │
┌────────────────────────────▼────────────────────────────────────┐
│  ZONE 2 — OWASP guardrail middleware                            │
│  Prompt guard (LLM01) · Output filter (LLM02/05)                │
│  Agency limiter (LLM06) · Token budget (LLM10)                  │
└────────────────────────────┬────────────────────────────────────┘
                             │
┌────────────────────────────▼────────────────────────────────────┐
│  ZONE 3 — Multi-agent pipeline (AutoGen AgentChat)              │
│                                                                  │
│  Orchestrator                                                    │
│       ├── CVE Analyst       NVD v2 + OSV + EPSS per component   │
│       ├── Exploit Reasoner  Call graph · LLM reasoning · RAG    │
│       └── VEX Writer        CycloneDX 1.6 schema-validated      │
│                                                                  │
│  Vector store (Qdrant) — signed past VEX decisions              │
└────────────────────────────┬────────────────────────────────────┘
                             │
┌────────────────────────────▼────────────────────────────────────┐
│  ZONE 4 — Output, signing, audit                                │
│  Human-in-the-loop gate → cosign/GPG sign → audit log           │
└─────────────────────────────────────────────────────────────────┘

OWASP-GenAI-Konformität

Dieses Projekt ist gegen die OWASP Top 10 für LLM-Anwendungen 2025 und die OWASP Top 10 für agentische Anwendungen 2026 konzipiert.

OWASP-RisikoIDGegenmaßnahme in diesem Projekt
Prompt InjectionLLM01Alle SBOM-Felder werden vor der LLM-Injektion bereinigt; Blockliste für Injektionsmuster
Offenlegung sensibler InformationenLLM02PII-Scrubber für alle Agentenausgaben; Filter für interne Pfade
Unsachgemäße AusgabeverarbeitungLLM05CycloneDX-Schema-Validierung vor der Signierung; Wiederholung bei Fehlschlag
Übermäßige HandlungsbefugnisLLM06Schreibgeschützte Tools während der Analyse; HITL-Gate für alle CVSS-≥-7,0-Entscheidungen
System-Prompt-LeakageLLM07Interne Richtlinien vom System-Prompt getrennt
Vektor-/Embedding-SchwächeLLM08Gespeicherte Vektoren signiert; Provenienz vor der Kontextinjektion geprüft
Unbegrenzter VerbrauchLLM10MaxMessageTermination(20); Token-Budget pro Komponente; NVD-Timeout

Human-in-the-loop ist verpflichtend. Eine VEX-not_affected-Aussage für eine CVE mit hohem Schweregrad ist eine rechtsgültige Erklärung. Ohne Genehmigung durch einen menschlichen Prüfer wird keine VEX signiert. Dies ist nicht konfigurierbar.


Tech-Stack

KomponenteToolHinweise
Agenten-OrchestrierungAutoGen AgentChat v0.4Multi-Agent, Tool-Nutzung, Message-Hooks
LLM (empfohlen)Qwen2.5-Coder-32BBestes strukturiertes JSON + Sicherheitsargumentation
LLM-ServervLLM (Prod) / Ollama (Dev)OpenAI-kompatible API
CVE-DatenNVD v2 API + OSV.dev + EPSSAlle kostenlos, kein API-Schlüssel erforderlich
VektorspeicherQdrantSelbst gehostet, vergangene VEX-Entscheidungen
Embeddingsall-MiniLM-L6-v2 (sentence-transformers)Vollständig lokal
SBOM-FormateCycloneDX 1.4–1.7 (JSON/XML), SPDX 2.3/3.0Schema-validiert bei der Aufnahme
VEX-AusgabeCycloneDX 1.6 VEXSchema-validiert vor der Signierung
Signierungcosign (Sigstore keyless)Zeitgestempelt, audit-protokolliert
Audit-LogPostgreSQL (append-only, pgaudit)Jede Agentenentscheidung wird aufgezeichnet

Alles läuft vor Ort. Keine Daten verlassen Ihre Infrastruktur.


Anforderungen

Hardware (Produktion):

  • 1× A100 80GB oder 2× RTX 3090 (48GB VRAM kombiniert) für Qwen2.5-Coder-32B
  • 16GB+ System-RAM
  • 100GB+ SSD für Modellgewichte und Vektorspeicher

Hardware (Entwicklung / kleine SBOMs):

  • Jede Maschine mit 16GB RAM — verwenden Sie llama3.1:8b über Ollama

Software:

  • Python 3.11+
  • Docker + Docker Compose
  • Node.js 18+ (für cosign-Tooling)

Schnellstart

1. Klonen und installieren

git clone https://github.com/your-org/sbom-vex-agent
cd sbom-vex-agent
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

2. LLM-Backend starten

# Development — Ollama (CPU/GPU, any laptop)
ollama pull llama3.1
ollama serve

# Production — vLLM (GPU required)
python -m vllm.entrypoints.openai.api_server \
  --model Qwen/Qwen2.5-Coder-32B-Instruct \
  --gpu-memory-utilization 0.90 \
  --host 0.0.0.0 --port 8000

3. Unterstützende Dienste starten

docker compose up -d   # starts Qdrant + PostgreSQL

4. Den Agenten auf einer SBOM ausführen

python -m vex_agent analyse \
  --sbom path/to/your-sbom.cdx.json \
  --output path/to/output.vex.json

Die Pipeline wird:

  1. Die SBOM validieren und bereinigen
  2. CVEs für jede Komponente nachschlagen
  3. Die Ausnutzbarkeit bewerten
  4. Einen VEX-Entwurf einem menschlichen Prüfer vorlegen
  5. Das endgültige Dokument nach der Genehmigung signieren und ausgeben

Konfiguration

Kopieren Sie .env.example nach .env und legen Sie fest:

# LLM backend
VLLM_BASE_URL=http://localhost:8000/v1    # or Ollama: http://localhost:11434/v1
LLM_MODEL=Qwen2.5-Coder-32B-Instruct     # or llama3.1 for dev
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.

    516
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    476
  • 3

    ARTEX

    baarai/artex

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

    355
  • 4

    redforge

    cybersecurity91/redforge

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

    315
  • 5

    estorides

    grisuno/estorides

    Aggregiert 99+ kostenlose OSINT-Quellen parallel, löst Entitäten in einen Knowledge Graph auf und exportiert STIX 2.1, MISP oder GraphML mit LLM-gestützter Analyse.

    303
  • 6

    opencti

    opencti-platform/opencti

    Offene Plattform für Cyber-Bedrohungsinformationen

    285

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →