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
aitarpit — Ein Honeypot, der KI-Agenten-gesteuerte Angriffe mit Tarpitting- und „Context-Bomb“-Techniken stört. Python/Flask, konfigurationsgetrieben, mit Multi-Channel-Alarmierung und einer optionalen Web-UI. | Kitploit
Tools/GitHubGitHub/rbidou/aitarpit
DefensivwerkzeugeWebsicherheitBedrohungsanalyseEinbruchserkennungLernen & BildungIncident ResponseKI-SicherheitAnomalieerkennungLog-Analyse
GitHubrbidou/aitarpit

aitarpit

Ein Honeypot, der KI-Agenten-gesteuerte Angriffe mit Tarpitting- und „Context-Bomb“-Techniken stört. Python/Flask, konfigurationsgetrieben, mit Multi-Channel-Alarmierung und einer optionalen Web-UI.

vor 11h 53mNoch nicht geprüft
Teilen
Repository anzeigen

AI Tarpit

Ein Honeypot, der von KI-Agenten geführte Angriffe stört und verlangsamt.

AI Tarpit präsentiert ein gewöhnlich wirkendes Unternehmens-Intranet, in dem jede interessante Spur eine Falle ist. Es implementiert die „Context Bomb“-Täuschungstechniken, die von Tracebit Research gemessen wurden (Context Bombs, Oktober 2026), sowie zusätzliche Tarpitting-Techniken auf Basis von Flask. Autonome Angriffsagenten verbrauchen echtes Budget – Tokens, Zeit und Tool-Aufrufe – bei der Jagd nach gefälschten Geheimnissen, die nichts freischalten, Datenströmen, die nie enden, und Dokumenten, die ihnen stillschweigend sagen, sie sollen aufhören, während du benotete Warnmeldungen erhältst, die genau zeigen, was angesprochen wurde und wie lange.

Status: v1.0.0 — alle 15 v1-Techniken implementiert, Admin-Web-UI, Test-Tool und Dokumentation.

Warum es funktioniert

Ein KI-Angriffsagent schlussfolgert über alles, was das Ziel zurückgibt, und kann eine echte Spur nur schwer von einer künstlich erzeugten unterscheiden. AI Tarpit nutzt genau das aus: Es speist den Agenten mit irreführendem Kontext, der sein Budget verschwendet, sein Kontextfenster überflutet oder ihn dazu überredet, innezuhalten – alles passiv und alles mit synthetischen Daten, die keinen Zugriff auf irgendetwas gewähren.

Wie es funktioniert

                    attacker / AI agent
                            |
                   decoy listener :8080            admin listener :8443 (loopback)
                  (fake corporate intranet)        (API + Web UI, token-protected)
                            |                                |
        +-------------------+------------------+             |
        | lures -> techniques -> honeytokens   |             |
        | fingerprinting + correlation         |---> events -> alerts (console / syslog / webhook)
        +--------------------------------------+             |
                            |                                |
                     SQLite store  <--------- reporting ----+

Ein Prozess betreibt zwei Listener: den Decoy, den Angreifer erreichen, und eine Loopback-Admin-Oberfläche für Monitoring, Konfiguration und Reporting. Jede Interaktion löst ein bewertetes Ereignis aus, das gemeldet und aufgezeichnet wird.

Die Techniken

TechnikWas sie mit einem Agenten macht
T01Gestaffelte VerschlüsselungEine Kette echter AES-ZIP-Archive, die nur Honeytoken-„Schlüssel" liefern.
T02HTTP-Parser-DruckPaginierung, die nie endet, mit driftendem, teilweise fehlerhaftem JSON.
T03Wiederherstellung aus PuffernEin vorgetäuschtes Speicherleck, das der Agent Byte für Byte rekonstruiert.
T04NeedlestackGeheimnisse, die über Dutzende Rollen fragmentiert sind und sich nie vollständig zusammensetzen.
T05Offenlegung von Pentest-BerichtenEine gefälschte Bewertung, die den Agenten auf Decoys und Canaries umleitet.
T06GrandstandingEin „Austausch", der den Agenten dazu bringt, seine eigene Vorgehensweise selbst zu offenbaren.
T07Verlustbehaftete PasswortwiederherstellungEin Geheimnis, das mit Verzögerungen Zeichen für Zeichen preisgegeben wird.
T08Request-PacingEine gefälschte Rate-Limit-Richtlinie, die einen regelkonformen Agenten auf Schneckentempo drosselt.
T09ReplikationEine „Übergabe", die den Plan des Agenten erfasst und ihn herunterfährt.
T10Widerruf von Scope / RoEVerbindliche Hinweise, die automatisierte Agenten zum Stoppen auffordern.
T11Slow-Drip-TransportAntworten, die tröpfchenweise oder endlos ausgeliefert werden.
T12Context FloodingAntworten, die mit plausibler, aber nutzloser Masse aufgefüllt werden.
T13Prozedurales LabyrinthEin unendlicher Baum generierter Seiten, die wie interne Seiten aussehen.
T14KI-spezifischer Köderllms.txt, ein gefälschter MCP-Endpunkt und „Automatisierungs"-APIs, die in Fallen führen.
T15Proof-of-Work-GateEin 428-Gate, das den Agenten Rechenleistung verbrennen lässt, um weitere Decoys zu erreichen.
T16Fingerprinting + HoneytokensKlassifiziert jede Sitzung und verfolgt jedes Geheimnis für die sitzungsübergreifende Wiederverwendung.

Jede Technik wird unabhängig aktiviert und abgestimmt. Mechanismen, Köder und erwartete Auswirkungen finden sich im Referenzhandbuch — Teil 1.

Schnellstart

# Windows (PowerShell)
py -3 -m venv venv
.\venv\Scripts\Activate.ps1
pip install -r requirements.txt

# Linux / macOS
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
# run from the repo root — no install of the project itself
python aitarpit.py init-config     # writes ./aitarpit.json with a fresh admin token
python aitarpit.py validate
python aitarpit.py run             # decoy on :8080, admin API + Web UI on 127.0.0.1:8443
python aitarpit.py                 # same as `run` — it is the default command

Es werden nur die Laufzeitabhängigkeiten installiert; das Projekt selbst nicht. Der Honeypot läuft über python aitarpit.py <command> aus dem Repository-Stammverzeichnis; das begleitende Testwerkzeug hat seinen eigenen Launcher, python aitarpit-test.py <command>.

Bestätige anschließend das Verhalten mit dem mitgelieferten Testwerkzeug:

python aitarpit-test.py check --target http://127.0.0.1:8080 \
  --admin http://127.0.0.1:8443 --token YOUR_ADMIN_TOKEN

Docker:

docker build -t aitarpit .
docker run -v $PWD/aitarpit.json:/config/aitarpit.json -v tarpit-data:/data \
  -p 8080:8080 -p 127.0.0.1:8443:8443 aitarpit

Dokumentation

Vollständige Handbücher sind in docs/ enthalten, sowohl als Markdown als auch als PDF:

  • Quickstart — docs/quickstart.md / docs/aitarpit-quickstart.pdf — installieren, konfigurieren, ausführen, erster Alarm, erster Check.
  • Referenzhandbuch — docs/reference.md / docs/aitarpit-reference.pdf — Teil 1 Konzepte, Teil 2 Installation, Teil 3 Ausführung (Konfiguration, Monitoring, Reporting, CLI & Web UI), Teil 4 Tests.

Testen

AI Tarpit wird mit einem Begleitwerkzeug ausgeliefert, das als python aitarpit-test.py check / python aitarpit-test.py agent ausgeführt wird:

  • check — deterministische, CI-freundliche Konformitätsprüfung für jede Technik (Exit 0 nur, wenn alle bestehen; Text- / JSON- / JUnit-Ausgabe).
  • agent — ein optionaler, origin-locked LLM-Angreifer (OpenAI-kompatibel oder Anthropic), der misst, wie weit ein echter Agent kommt und wie lange der Tarpit ihn festhält.

Sicherheit

AI Tarpit ist passiv — es verbindet sich nie zurück zu einem Angreifer, liefert nie echte Malware aus und „hackt nie zurück". Jede Anmeldeinformation, jedes Token und jedes Archiv ist ein synthetisches Honeytoken, das nichts gewährt; die Verwendung eines solchen ist selbst ein Alarm. Die Admin-Oberfläche ist auf Loopback hinter einem Token isoliert, langsame/überflutende Techniken sind durch Ressourcen- Obergrenzen begrenzt, und der optionale LLM-Testagent ist strikt auf das eine Ziel beschränkt, das du ihm gibst. Führe es nur gegen Traffic aus, den du abzufangen berechtigt bist, und verwende eine Persona-Domain, die du kontrollierst, oder einen reservierten .example-Namen.

Lizenz

MIT — siehe LICENSE.

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.

    1.1k
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    618
  • 3

    looking-glass

    anonghosty/looking-glass

    CSIRT-Plattform, die Shadowserver-Berichte in MongoDB einliest und sie als interaktive Karten, Analysen, Findings, Advisories und Executive-Dashboards wiedergibt.

    411
  • 4

    ARTEX

    baarai/artex

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

    328
  • 5

    jumpserver

    jumpserver/jumpserver

    JumpServer ist eine Open-Source-Plattform für Privileged Access Management (PAM), die DevOps- und IT-Teams bedarfsgesteuerten und sicheren Zugriff auf SSH-, RDP-, Kubernetes-, Datenbank- und RemoteApp-Endpunkte über einen Webbrowser bietet.

    314
  • 6

    Aliens_eye

    arxhr007/aliens_eye

    KI-gestützte OSINT-Engine zur Entdeckung und Kartierung von über 7.700 Social-Media-Identitäten im gesamten Web

    275

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →