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
maude-hcs — Formales Modellierungs- und Analyseframework für versteckte Kommunikationssysteme, das die Spezifikation von verdeckten Kanälen, Angreifermodellen und statistischer Modellprüfung von Undetectability-Performance-Abwägungen ermöglicht. | Kitploit
Tools/GitHubGitHub/raytheonbbn/maude-hcs
NetzwerksicherheitSteganografiePrivatsphärePapers & ForschungLernen & BildungDNS-Analyse
GitHubraytheonbbn/maude-hcs

maude-hcs

Formales Modellierungs- und Analyseframework für versteckte Kommunikationssysteme, das die Spezifikation von verdeckten Kanälen, Angreifermodellen und statistischer Modellprüfung von Undetectability-Performance-Abwägungen ermöglicht.

Repository anzeigen
521747vor 15 TagenVon Kitploit geprüft
Teilen

Maude-HCS

Maude-HCS ist eine der ersten verallgemeinerten und modularen Toolchains zur formalen Spezifikation und zum Reasoning über Hidden Communication Systems (HCS) in realen Größenordnungen. Es ermöglicht Netzwerkdesignern, alternative HCS-Designs schnell und effektiv zu erkunden, und liefert formale Garantien für Privatsphäre und Leistung, die benötigt werden, um dem Design zu vertrauen.

Einführung

Verborgene Kommunikationssysteme (HCS) betten verdeckte Nachrichten in gewöhnliche Netzwerkaktivitäten ein, um die Existenz der Kommunikation zu verbergen. In der Praxis wird die Unentdeckbarkeit eines HCS typischerweise anhand von Ad-hoc-Verkehrsstatistiken oder spezifischen Detektoren bewertet, wodurch Sicherheitsaussagen eng an experimentelle Aufbauten und implizite Annahmen über Angreifer gekoppelt sind.

Maude-HCS ist ein ausführbares Modellierungs- und Analyseframework, das eine prinzipienbasierte und ausführbare Grundlage für das Reasoning über Unentdeckbarkeits-Leistungs-Abwägungen in komplexen HCS-Designs bietet. Designer spezifizieren formal das Protokollverhalten, die für den Angreifer beobachtbaren Größen und die Annahmen über die Umgebung und erzeugen Monte-Carlo-Stichproben aus den induzierten Trace-Verteilungen. Diese können verwendet werden, um Aussagen zur Unentdeckbarkeit zu prüfen, indem die Raten echter und falscher Positive eines statistischen Tests geschätzt und diese Schätzungen in untere Schranken für Unentdeckbarkeitsmaße umgewandelt werden. Dies ermöglicht eine systematische Bewertung der Entdeckbarkeit und ihrer Abwägungen mit der Leistung unter explizit angegebenen Modellierungsannahmen.

Bitte kontaktieren Sie uns, wenn Sie Unterstützung bei der Modellierung und dem Reasoning über Ihr HCS benötigen. Und bitte erwägen Sie, unsere Arbeit zu zitieren, wenn Sie sie als Teil Ihrer Forschung verwenden.

@article{khoury2026maude,
  title={Maude-HCS: Model Checking the Undetectability-Performance Tradeoffs of Hidden Communication Systems},
  author={Khoury, Joud and Kim, Minyoung and Merlin, Christophe and Meseguer, Jos{\'e} and Ratliff, Zachary and Talcott, Carolyn},
  journal={arXiv preprint arXiv:2603.03369},
  year={2026}
}

Anforderungen

Erfordert Python-Version 3.12.4

Erstelle deine bevorzugte Umgebung und aktiviere sie, zum Beispiel

Für pyenv

pyenv install 3.12.4
pyenv local 3.12.4

Für conda

conda create --name pwnd2 python=3.12.4
conda activate pwnd2

Für virtuelle Umgebungen

python -m venv venv
source venv/bin/activate

Installation: aus der Git-Quelle

Wir haben den Quellcode des Repos so strukturiert, dass wir dns-formalization-maude als Abhängigkeit (ein Submodul) importieren. Wir haben einen Fork dieser Abhängigkeit erstellt, damit wir unsere Änderungen daran nachverfolgen können. Wir verwenden sparse-checkout, um zu vermeiden, dass der gesamte Quellcode der Abhängigkeit ausgecheckt werden muss, der viele irrelevante Dateien enthält (wie etwa Testbed).

Um das Haupt-Repo zu klonen

git clone [email protected]:raytheonbbn/maude-hcs.git

Der Hauptzweig enthält den neuesten (möglicherweise instabilen) Quellcode. Ältere Branches/Tags wie pwnd.cp1 verweisen auf stabile Snapshots, die verwendet wurden, um Ergebnisse während der Evaluierungen zu erzeugen (z. B. pwnd.cp1 für Challenge Problem 1 und entsprechend pwnd.cp2). Um einen älteren Snapshot zu verwenden, checke den entsprechenden Branch aus (z. B. pwnd.cp1).

Richte das dns-Submodul mit unserem Klon des Codes ein, damit wir Änderungen am ursprünglichen Quellcode nachverfolgen können; verwende sparse-checkout, um nur die relevanten Quellen zu behalten

cd maude-hcs
mkdir -p maude_hcs/deps
git submodule add -b <branch> -f [email protected]:raytheonbbn/dns-formalization-maude.git \
  maude_hcs/deps/dns_formalization
cd maude_hcs/deps/dns_formalization
git sparse-checkout init --cone
git sparse-checkout set "Maude/dns" "Maude/common" "Maude/test" "Maude/attack_exploration"
cd ../../../
git reset .gitmodules
git reset maude_hcs/deps/dns_formalization

Im obigen Befehl setzen Sie <branch> entweder auf pwnd.43.rb1, um die Ergebnisse von Challenge-Problem 1 zu reproduzieren, oder auf pwnd für die neueste Version.

Das Obige sollte eine neue Datei namens sparse-checkout unter .git/modules/maude_hcs/deps/dns_formalization/info/ erstellen und ihr mitteilen, nur bestimmte Verzeichnisse wie Maude/src einzubeziehen.

Zu diesem Zeitpunkt sollte git status einen sauberen Start anzeigen.

Zur Installation installieren Sie zunächst die Abhängigkeit als Paket namens dns, das wir als Maude.* importieren, und installieren dann maude_hcs als Paket (mit Abhängigkeit von dns).

cd maude_hcs/deps/dns_formalization
pip install -e .
cd ../../../
pip install -e .

Benutzermodelle automatisch generieren

Benutzermodelle sind Markov-Modelle, die das Verhalten von Benutzern abbilden sollen. Diese werden im JSON-Format bereitgestellt. Der erste Schritt besteht darin, diese in formale Maude-Repräsentationen umzuwandeln.

Geben Sie dazu Folgendes an:

  • Protokoll: dns oder mastodon
  • Eingabeverzeichnis, das alle JSON-Modelle enthält, die Sie konvertieren möchten
  • Ausgabeverzeichnis, das alle Maude-Versionen der JSON-Modelle enthalten wird

Zum Beispiel:

# convert dns tgen user models
 maude-hcs --verbose \ 
    --protocol=dns markov \
    --json-dir=../pwnd-cp2/src/static/tgen_models/dns/ \ 
    --maude-dir=./maude_hcs/lib/tgen/maude/dnsprofiles/markov/
    
# convert mastodon tgen models
maude-hcs --verbose \
    --protocol=mastodon markov \
    --json-dir=../pwnd-cp2/src/static/tgen_models/mastodon \
    --maude-dir="./maude_hcs/lib/raceboat/maude/mastodonprofiles/"

Siehe Beispiel-Markov-JSON-Spezifikationen unter ./maude_hcs/lib/tgen/maude/dnsprofiles/markov/ (und entsprechend für Mastodon), zusammen mit ihren konvertierten Maude-Spezifikationen.

HCS-Konfigurationen automatisch generieren

Wir generieren initiale Konfigurationen mit dem Befehl generate. HCS-Konfigurationen können direkt in JSON über HCS-Konfigurationsparameter übergeben werden, oder über eine Shadow-Experiment-Konfigurationsdatei, oder über eine YML-Konfigurationsdatei. Jede dieser Möglichkeiten wird im Folgenden beschrieben.

Verwendung der HCS-JSON-Konfiguration

Übergeben Sie eine maude-hcs-JSON-Konfigurationsdatei wie folgt,

Um eine probabilistische DNS-Modellkonfiguration mit Iodine zu generieren und den Ausgabedateinamen anzugeben,

 maude-hcs --verbose generate \
        --run-args="./use-cases/challenge-problem-2/cp2_scenarios/cp2_scenario_1-hcsconfig.json" \
        --model=prob \
        --filename="cp2_scenario_1" \
        --output-dir="./use-cases/challenge-problem-2/cp2_scenarios/"

Setzen Sie --model=nondet, um eine nichtdeterministische Version zu generieren.

Dies erzeugt die ausführbare Maude-Datei (und die entsprechende HCS-Konfigurations-JSON) im Ausgabeverzeichnis. Die Eingabe-JSON-Konfigurationsdatei sollte leicht zu befolgen sein. Sie enthält die Spezifikation von

  • Netzwerktopologie (Verbindungen und ihre Eigenschaften)
  • Angreifer (in diesem Fall Zeek-Detektorprofile, Basisdaten für Moving-Average-Detektoren und ihre Konfigurationen)
  • Kanäle/Protokolle: Jedes Protokoll umfasst ein Weird-Netzwerk und ein zugrunde liegendes Netzwerkprotokoll. Ersteres verbirgt/bettet Daten in Letzteres ein. Zum Beispiel bettet Iodine Daten in DNS ein (daher heißt der Kanal iodine-dns) und Destini bettet Daten in Mastodon ein

Eine Beschreibung einiger der Parameter finden Sie in HCSParamsGuide. Beachten Sie, dass das probabilistische Modell sowohl die nichtdeterministischen Parameter als auch die probabilistischen Parameter kombiniert (die die nichtdeterministischen überschreiben).

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.

    565
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    478
  • 3

    ARTEX

    baarai/artex

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

    383
  • 4

    redforge

    cybersecurity91/redforge

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

    327
  • 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.

    258
  • 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.

    256

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →