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
Nimbus Vestige — Eine forensische Rekonstruktions-Engine für Cloud- und Identitäts-Incident-Response. | Kitploit
Tools/GitLabGitLab/dobybaxter127/nimbus-vestige
AufklärungDigitale ForensikPenetrationstestsCloud-SicherheitBedrohungsanalyseIdentitäts- & Zugriffsmanagement (IAM)Lernen & BildungIncident ResponseLog-Analyse
GitLabdobybaxter127/nimbus-vestige

Nimbus Vestige

251vor 22 TagenNoch nicht geprüft
Teilen

Eine forensische Rekonstruktions-Engine für Cloud- und Identitäts-Incident-Response.

Repository anzeigen

Nimbus Vestige (NV)

Eine forensische Rekonstruktions-Engine für Incident Response in Cloud und Identität.

Angesichts fragmentierter Telemetrie aus Cloud, SaaS und Identität — Control-Plane-Logs, Anmeldeereignisse, Token- und Consent-Aktivitäten — rekonstruiert NV, wie sich eine Intrusion höchstwahrscheinlich über Konten und Dienste hinweg bewegt hat, zählt die anderen wahrscheinlichsten Pfade auf, die sie hätte nehmen können, und berichtet jeden Schritt mit kalibrierter, erklärbarer Konfidenz. Es weigert sich, etwas zu behaupten, was die Beweislage nicht stützt.

Detection sagt dir, dass etwas passiert ist. Nimbus Vestige sagt dir, wie — und was sonst noch.


Warum es das gibt

Moderne Intrusionen „brechen nicht ein“. Sie melden sich an. Identität ist heute das primäre Angriffsvehikel, involviert in die große Mehrheit der Cloud-IR-Untersuchungen, und die meisten Intrusionen erstrecken sich über mehrere Oberflächen — Identität plus Cloud plus SaaS plus Endpoint. Die Telemetrie, die sie aufzeichnet, ist fragmentiert und inkonsistent, was Responder bereits jetzt zwingt, die Geschichte von Hand aus unvollständigen Daten zu rekonstruieren.

Diese manuelle Rekonstruktion ist langsam, und sie scheitert auf vorhersehbare Weise: Der Responder verankert sich an der ersten plausiblen Erzählung und verpasst die tatsächliche. NV automatisiert die Rekonstruktion und greift genau diesen Fehlermodus direkt an, indem es stets den geordneten Raum plausibler Pfade präsentiert, nicht eine einzige Geschichte.

Entscheidend ist, dass NV dies mit Ehrlichkeit als Produkt tut. Der erklärte Feind des Marktes ist Black-Box-Konfidenz — ein Werkzeug, das eine Schlussfolgerung behauptet, ohne seine Arbeit zu zeigen. Jede Zahl, die NV produziert, ist auf die spezifische Evidenz zurückführbar, die sie verdient hat, und alles, was es nicht stützen kann, wird zurückgehalten statt geraten.


Was es ist — und was nicht

NV ist kein Detektor, kein Scanner, kein Auditor und kein Attack-Runner. Diese Werkzeuge sagen dir, dass etwas passiert ist, und messen es. NV arbeitet rückwärts — abduktive Rekonstruktion des Mechanismus aus Mustern, über ein fragmentiertes Identitäts-Ökosystem hinweg.

  • Kein Detektor — es löst keine Alarme bei Aktivität aus; es erklärt, wie Aktivität zusammenpasst.
  • Kein SIEM — es tritt über einen schmalen Keil ein (Narrativekonstruktion nach einem Incident), nicht als Log-Plattform.
  • Keine Rule Engine — wenn nichts zu einem bekannten Muster passt, rekonstruiert es trotzdem und degradiert anmutig, statt blind zu werden.

Warum es langfristig Bestand hat

  1. Blue Team regeneriert; Red Team commoditisiert. Offensive Tooling findet eine endliche, patchbare Menge von Lücken und faltet sich in automatisierte CI/CD-Sicherheitspipelines. Die Rekonstruktion, wie eine Intrusion geschah, löst sich nie auf — Angreifer erfinden ständig neu, also ist der Bedarf dauerhaft und selbst erneuernd.

  2. Die Engine ist substratunabhängig. Die Kernlogik — den Mechanismus aus Mustern rekonstruieren, mit kalibrierter Konfidenz und einer Stoppschiene — ist zuerst auf Cloud/Identität festgelegt, portiert aber später auf Netzwerk, Endpoint und OT. Das Ziel kann sich ändern, ohne die These neu zu schreiben.

  3. Rekonstruktion ermöglicht Härtung. Sobald du weißt, wie sie hineinkamen — und welche anderen Türen offen standen — baust du die Abwehr auf. Die nicht genommenen, aber plausiblen Pfade sind ein Härtungs-Backlog, oft mehr wert als die Rekonstruktion selbst, weil die meisten Breaches vermeidbare Exposition ausnutzen, nicht neuartige Tradecraft.

  4. Es degradiert anmutig bei der neuartigen Intrusion — genau dem Incident, der am meisten zählt. Eine Signature-/Rule-Engine wird bei einem Zero-Day blind; NVs abduktiver Kern produziert weiterhin einen wahrscheinlichsten Pfad, ehrlich als geringere Konfidenz gekennzeichnet.

  5. Ehrlichkeit ist ein Burggraben. Kalibrierte, fallbasierte Konfidenz mit geordneten Alternativen ist genau das, was der Markt nach eigener Aussage will und was Black-Box-Wettbewerber strukturell nicht bieten können ohne Redesign.


Architektur

Roh-Provider-Logs → normalisierter Event-/Entity-Graph → Rekonstruktions-Engine → JSON → GUI.

  O365 / Entra audit logs      nv_extract_identity_events.py
  AWS CloudTrail (IAM/STS/S3)   nv_extract_cloudtrail_events.py   (ingest + normalize)
          ▼
  normalized identity events (JSONL)  ← one event model, any substrate
          │  nv/graph.py                      (typed per-actor timelines)
          ▼
  reconstruction engine
     ├─ nv/patterns.py     known layer: ATT&CK identity pattern library
     ├─ nv/providers.py    provider packs: per-substrate op→ATT&CK vocab (Entra + AWS)
     ├─ nv/validation.py   Phase 3: provenance + integrity gate on every pattern
     ├─ nv/feeds.py        live ATT&CK STIX / TAXII / Sigma clients + scheduler
     ├─ nv/confidence.py   evidence-corroboration scorer (calibratable weights)
     ├─ nv/calibration.py  fit + measure confidence against labeled ground truth
     ├─ nv/reconstruct.py  most-likely chain + ranked competing paths + trust floor
     └─ nv/scope.py        authorized-scope gate (refuses unauthorized tenants/accounts)
          │  run_nv.py
          ▼
  reconstruction.json  ──►  nv_gui.html  (embedding canvas + two-column view + trust slider)

Die GUI ist eine reine Ansichtsschicht — sie rendert die Engine-Ausgabe und ermöglicht es dem Analysten, die Vertrauensschwelle zu verschieben. Sie enthält keine eigene Rekonstruktionslogik.


Das Konfidenzmodell (die Glaubwürdigkeit des gesamten Produkts)

Jeder Schritt trägt eine Konfidenz in [0, 1], die durch Evidenzbestätigung aufgebaut wird:

confidence = per-technique base rate
           + bonus for each independent corroborating signal
                 (source IP, device, successful outcome, temporal adjacency, broad-consent flags)
           − penalty for missing signals (e.g. no source IP to corroborate origin)
  • verified — Konfidenz ≥ 0,70 und zwei oder mehr unabhängige Signale stimmen überein.
  • pattern-only — über der Vertrauensschwelle, aber schwach oder nur einfach gestützt.
  • withheld — unter der Vertrauensschwelle; ausgegraut dargestellt, niemals stillschweigend geraten oder verborgen.

Pfadbewertungen setzen ihre Glieder per geometrischem Mittel zusammen, sodass ein schwaches Glied einen Pfad ehrlich nach unten zieht, statt herausgemittelt zu werden.

Jedes der oben genannten Gewichte — die Basisraten pro Technik, die Boni pro Signal, die Strafen für Fehlendes — lebt in einer einzigen PARAMS-Tabelle in nv/confidence.py. Dies sind NVs v1-Priors, und sie sind kalibrierbar: nv/calibration.py kann sie gegen gelabelte Ground Truth neu anpassen, und die Engine lädt das Ergebnis, wobei sie auf die v1-Priors zurückfällt, wenn keine Kalibrierung bereitgestellt wird (siehe unten).

Die Vertrauensschwelle

Die Withhold-Regel ist fest im Ausgabevertrag der Engine verankert — nicht nur in der UI. Unterhalb der Schwelle wird ein Schritt zurückgehalten. Das Verschieben der Schwelle macht den Kompromiss zwischen Ehrlichkeit und Abdeckung greifbar: nach oben für strikt/hohes Vertrauen, nach unten für permissiv/hohe Abdeckung. Die Standard-Schwelle ist eine redaktionelle Entscheidung darüber, wo NV steht, bevor der Analyst es berührt.


Kalibrierung der Konfidenz gegen Ground Truth

Die v1-Gewichte sind verteidigbar, aber sie sind Priors. nv/calibration.py stimmt sie gegen gelabelte Ground Truth ab — Ereignisse, bei denen wir wissen, welche Teil der Intrusion waren und welche gutartig — und misst entscheidend, ob die Abstimmung tatsächlich geholfen hat, sodass eine Kalibrierung nur übernommen wird, wenn sie den Kalibrierungsfehler senkt, statt nur Zahlen zu verschieben.

Tool herunterladen

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

Noch keine Beliebtheitsdaten.

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →