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
SecLog — Sammelt Sicherheitsprotokolle aus mehreren Quellen aus reproduzierbaren Docker-Angriffsszenarien, erstellt Angriffsketten und stellt den SecLog-Bench-216-Benchmark zur Bewertung der Angriffsphasen-Reasoning von LLMs bereit. | Kitploit
Tools/GitHubGitHub/seclog-open/seclog
Dynamische Analyse (Sandboxing)NetzwerkforensikForensikMaschinelles LernenPapers & ForschungLernen & BildungIncident ResponseAnomalieerkennungLog-Analyse
GitHubseclog-open/seclog

SecLog

Sammelt Sicherheitsprotokolle aus mehreren Quellen aus reproduzierbaren Docker-Angriffsszenarien, erstellt Angriffsketten und stellt den SecLog-Bench-216-Benchmark zur Bewertung der Angriffsphasen-Reasoning von LLMs bereit.

264vor 14 TagenNoch nicht geprüft
Repository anzeigen
Teilen

SecLog

SecLog unterstützt die Forschung zur Angriffsphasen-Argumentation aus Multi-Source-Sicherheitsprotokollen. Es bietet Werkzeuge zum Sammeln von Protokollen aus reproduzierbaren Docker-Angriffs- und Normalaktivitäts-Szenarien, zum Organisieren der Beweise in Angriffsketten, zum Erstellen gelabelter Datensätze und zum Bewerten von Modellvorhersagen.

Die Veröffentlichung enthält SecLog-Bench-216, einen sofort einsatzbereiten Benchmark mit 216 Evidenzfenstern mit überprüften Phasenlabels und Referenz-Argumentationsketten. Forschende können den bereitgestellten Benchmark direkt verwenden oder die Konstruktionspipeline ausführen, um neue Daten zu erzeugen.

Paper: SecLog-Bench: A Scalable Benchmark for Cybersecurity Log Reasoning with Scaffolded Evidence.

Konstruktionsressourcen auf Zenodo: Docker-Images, Rohprotokolle und Ausrichtungsindizes und konstruierte Angriffsketten.

SecLog overview

Abbildung 1. SecLog-Überblick. Teil I entspricht den Stufen 01–04, Teil II dem Annotations- und Review-Workflow in 05 und Teil III dem Evaluations-Workflow in 05 mit SecLog-Bench-216.

Hauptfunktionen

  • Multi-Source-Protokollsammlung: Erfassen von Systemaufruf-Audit-Protokollen, Netzwerkverkehr und Anwendungsprotokollen aus mitgelieferten Simulationsszenarien.
  • Angriffsketten-Konstruktion: Organisieren der gesammelten Beweise in ein Audit-Rückgrat mit Anwendungs- und Verkehrskontext.
  • Datensatz-Export und Fensterauswahl: Exportieren von Kettenprodukten als Datensätze oder Auswählen von Evidenzfenstern zur Annotation.
  • Annotation und Review: Vorbereiten von Prompts mit maskierten quellenidentifizierenden Informationen, Ausführen API-basierter Annotation und Review sowie Prüfen von Kandidaten über die Human-Review-UI.
  • Benchmark-Evaluierung: Normalisieren von Modellantworten, Bewerten von Angriffsphasen-Vorhersagen und Beurteilen der Argumentation anhand des dokumentierten Evaluierungsprotokolls.

Einstiegspunkt wählen

Ihr ZielHier beginnenUmgebung
Den bereitgestellten Datensatz lesen oder wiederverwendenSecLog-Bench-216 und DatenbeispieleBeliebiger JSONL-Reader; Python 3.11 für den Validator
Ein Modell am bereitgestellten Benchmark evaluierenSchnellstartPython 3.11; ein API-Endpunkt und -Schlüssel für den mitgelieferten Inferenz-Runner
Neue Protokolle sammeln und einen Datensatz oder Benchmark konstruierenDatenkonstruktionUbuntu Linux, Python 3.11, Poetry, Docker und Capture-Tools

Detaillierte Systempakete, optionale Komponenten und Abhängigkeitsversionen sind in ENVIRONMENT_DEPENDENCIES.md aufgeführt.

Schnellstart: den bereitgestellten Benchmark evaluieren

Diese Befehle verwenden Bash und werden vom Projektstammverzeichnis aus ausgeführt. Beginnen Sie mit einer isolierten Python-3.11-Umgebung:

python3.11 -m venv ../seclog-env
source ../seclog-env/bin/activate

Die folgenden Befehle verwenden die Python-Standardbibliothek. Für die Protokollerfassung, Annotation, die Review-Oberfläche und zusätzliche Analysen siehe die Umgebungsanleitung.

1. Den Datensatz validieren

python 05_benchmark_annotation_review_evaluation/scripts/validate_public_benchmark.py

Der Validator prüft die Stichprobenanzahlen, IDs, Labelverteilung, Evidenzreferenzen und Manifest-Hashes. Eine erfolgreiche Validierung meldet validation_passed: true und sample_count: 216 in ihrer JSON-Ausgabe.

2. Eine Inferenzkonfiguration prüfen

Ersetzen Sie your-model-name durch die Modellkennung, die von Ihrem Anbieter unterstützt wird:

python 05_benchmark_annotation_review_evaluation/evaluation/run_benchmark_inference.py \
  --prompt-pack SecLog-Bench-216/data/prompt_pack.jsonl \
  --model your-model-name \
  --output ../seclog-runs/example/raw_responses.jsonl

Dieser Befehl meldet mode: preflight_no_api und die Prompt-Anzahl. Er kontaktiert den Anbieter nicht und erstellt keine Antwortdatei, und er überprüft nicht, ob der Anbieter das ausgewählte Modell unterstützt.

3. Modellinferenz ausführen

Setzen Sie OPENAI_API_KEY in Ihrer Shell-Umgebung und ersetzen Sie den Platzhalter unten durch Ihren Anbieterschlüssel, und aktivieren Sie dann explizit API-Aufrufe:

export OPENAI_API_KEY="YOUR_API_KEY"
python 05_benchmark_annotation_review_evaluation/evaluation/run_benchmark_inference.py \
  --prompt-pack SecLog-Bench-216/data/prompt_pack.jsonl \
  --model your-model-name \
  --output ../seclog-runs/example/raw_responses.jsonl \
  --call-api

Der Runner verwendet einen OpenAI-kompatiblen Chat-Endpunkt. Seine Standard-Basis-URL ist https://api.openai.com/v1; übergebe --base-url für einen anderen Endpunkt und --api-key-env für einen anderen Namen der Schlüsselvariable. Halte das Ausgabeverzeichnis außerhalb des Release-Baums, wie in diesem Beispiel. Verwende für jeden Lauf einen neuen Ausgabepfad oder füge --resume hinzu, um eine vorhandene Antwortdatei fortzusetzen.

Um dein eigenes Inferenzsystem zu verwenden, einschließlich Modellen, die temperature, max_tokens oder den JSON-Modus ablehnen, verwende SecLog-Bench-216/data/prompt_pack.jsonl und das Vorhersageformat und übergib dann die Rohausgaben an den untenstehenden Normalizer.

4. Normalisiere und bewerte die Antworten

python 05_benchmark_annotation_review_evaluation/evaluation/normalize_stage_reasoning_predictions.py \
  --input ../seclog-runs/example/raw_responses.jsonl \
  --output ../seclog-runs/example/predictions.jsonl

python 05_benchmark_annotation_review_evaluation/evaluation/evaluate_stage_reasoning_predictions.py \
  --gold SecLog-Bench-216/data/gold_labels.jsonl \
  --reference-chains SecLog-Bench-216/data/reference_reasoning_chains.jsonl \
  --model-input SecLog-Bench-216/data/evidence_windows.jsonl \
  --sample-index SecLog-Bench-216/data/sample_index.jsonl \
  --predictions ../seclog-runs/example/predictions.jsonl \
  --output-dir ../seclog-runs/example/evaluation

Die Ergebnisse umfassen:

AusgabeInhalt
predictions.jsonlNormalisierte Modellvorhersagen
invalid_outputs.jsonlAntworten, die nicht erfolgreich normalisiert werden konnten
evaluation/metrics_summary.jsonAggregierte Bewertungsmetriken
evaluation/per_sample_results.jsonlErgebnisse pro Stichprobe
evaluation/confusion_matrix.csvKonfusionsmatrix der Phasenvorhersage
evaluation/per_stage_metrics.csvMetriken nach Phase
evaluation/error_cases.jsonlFür die Fehleranalyse aufbewahrte Fälle

Die Überlappung von Referenz und Evidenz in diesem Evaluator ist diagnostisch. Eine formale Bewertung der Schlussfolgerungsqualität erfordert den zusätzlichen Checklisten- und Assistenten-Review-Workflow in Post-hoc reasoning quality.

Beispiele für Eingaben und Ausgaben

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.

    786
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    506
  • 3

    ARTEX

    baarai/artex

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

    429
  • 4

    redforge

    cybersecurity91/redforge

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

    345
  • 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.

    262
  • 6

    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.

    256

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →