Skip to content
KitploitKITPLOIT
HerramientasExploitsBlog
Log in
Enviar
HerramientasExploitsBlog
Enviar

¡Herramientas de Hacking, PenTest y Ciberseguridad para tu Arsenal de Seguridad!

Kitploit es un directorio de herramientas de hacking, ciberseguridad y pentesting. Descubre las últimas actualizaciones de proyectos para encontrar vulnerabilidades, analizar sistemas, automatizar pruebas y fortalecer tu seguridad.

FeedsContactoPrivacidad© 2026 Kitploit

Directorio de Herramientas

Categorías

Ver todas las categorías
Loading categories
sec-af — Auditor de seguridad de código nativo de IA en AgentField que demuestra la explotabilidad con veredictos, trazas y evidencia accionable. | Kitploit
Herramientas/GitHubGitHub/agent-field/sec-af
Análisis EstáticoEscáneres de VulnerabilidadesAnálisis de CódigoExplotaciónSeguridad WebPruebas de PenetraciónDevSecOpsDetección de SecretosSeguridad de Cadena de SuministroSeguridad de IA
GitHub
1944146hace 5 díasRevisado por Kitploit
agent-field/sec-af

sec-af

Auditor de seguridad de código nativo de IA en AgentField que demuestra la explotabilidad con veredictos, trazas y evidencia accionable.

Ver RepositorioSitio web
Compartir

SEC-AF

Auditor de seguridad nativo de IA construido sobre AgentField

Apache 2.0 Python Built with AgentField Deploy on Railway More from Agent-Field

Salida • Benchmark • Cómo funciona • Comparación • Inicio rápido • API

Otras herramientas señalan patrones. SEC-AF demuestra la explotabilidad: cada hallazgo se entrega con un veredicto, un rastro del flujo de datos y evidencia sobre la que puedes actuar. Gratis, de código abierto, una sola llamada a la API. Una auditoría completa con 30 hallazgos verificados cuesta aproximadamente $1.40 en llamadas a LLM.

SEC-AF — auditor de seguridad nativo de IA

DX de una sola llamada

Actívalo con la CLI af (requiere af ≥ 0.1.87) — transmite el progreso en vivo e imprime el resultado:

af call sec-af.audit --in '{"repo_url": "https://github.com/dolevf/Damn-Vulnerable-GraphQL-Application"}'

¿Prefieres HTTP sin procesar? Accede directamente a la API con curl:

curl -X POST http://localhost:8080/api/v1/execute/async/sec-af.audit \
  -H "Content-Type: application/json" \
  -d '{"input": {"repo_url": "https://github.com/dolevf/Damn-Vulnerable-GraphQL-Application"}}'

Lo que obtienes de vuelta

Este es un hallazgo real de SEC-AF auditando DVGA (una aplicación GraphQL deliberadamente vulnerable):

{
  "title": "OS Command Injection in run_cmd Helper Function",
  "severity": "critical",
  "verdict": "confirmed",           // not "maybe" — confirmed exploitable
  "evidence_level": 5,
  "cwe_id": "CWE-78",

  "rationale": "Tracer confirms complete data flow from GraphQL parameters
    (host, port, path, scheme, cmd, arg) to os.popen(cmd).read() sink.
    Sanitization functions are bypassable in Easy mode...",

  "proof": {
    "verification_method": "composite_subagent_chain:sast",
    "data_flow_trace": [
      { "description": "core/views.py:203 — GraphQL args defined (host, port, path, scheme)", "tainted": true },
      { "description": "core/views.py:210 — URL constructed from user input", "tainted": true },
      { "description": "core/views.py:211 — helpers.run_cmd(f'curl {url}') called", "tainted": true },
      { "description": "core/helpers.py:9 — os.popen(cmd).read() executes input", "tainted": true }
    ]
  },

  "location": {
    "file_path": "core/helpers.py",
    "start_line": 9,
    "code_snippet": "def run_cmd(cmd):\n  return os.popen(cmd).read()"
  }
}

Cada hallazgo incluye un veredicto (confirmed / likely / inconclusive / not_exploitable), un objeto de prueba con el rastreo completo de contaminación y la ubicación exacta del código. No es un "esto podría ser un problema". SEC-AF rastrea los datos desde el origen hasta el sumidero y demuestra si realmente es explotable.

Salida completa del benchmark (30 hallazgos): exampl/dvga-benchmark-result.json | Análisis de rendimiento: exampl/benchmark-analysis.json

Benchmark: DVGA

Ejecutamos SEC-AF contra Damn Vulnerable GraphQL Application, una aplicación deliberadamente vulnerable con 21 escenarios de seguridad documentados.

MétricaValor
Hallazgos brutos descubiertos106
Después de la deduplicación con IA61
Después de la verificación adversarial28 confirmados
No concluyentes (requieren revisión manual)1
No explotables (rechazados correctamente)1
Reducción de ruido94%
Aristas del DAG (llamadas al razonador)82
Llamadas al agente~166–255
Estrategias ejecutadas11
Tiempo de reloj~78 min
Costo estimado (Kimi K2.5)~$0.18–$0.90
Desglose: 30 hallazgos verificados por categoría
CategoríaCantidadEjemplos
Autenticación faltante8ImportPaste, delete_all_pastes, system_debug, CreateUser, carga de archivos
Inyección de comandos4os.popen(cmd) vía ImportPaste, system_debug, system_diagnostics
Inyección SQL3filter sin sanitizar en resolve_pastes, inyección de patrón LIKE, inicio de sesión
Omisión de autenticación3Firma JWT deshabilitada, omisión de autorización JWT, autenticación de contraseña rota
Credenciales en texto plano3Almacenamiento de contraseñas en claro, comparación en texto plano, contraseña en diagnósticos
SSRF2La mutación ImportPaste sigue URLs proporcionadas por el usuario en el servidor
Lógica de negocio / Sanitización de URL2Sanitización de URL inadecuada, eliminación masiva sin autenticación
DoS / Agotamiento de recursos3Falta de paginación en consultas de usuarios/auditorías, simulate_load sin control
Configuración / Secretos2Secretos JWT/Flask codificados, modo de depuración habilitado en producción
Patrones de diseño: cómo funciona el análisis de seguridad nativo de IA

SEC-AF aplica varios patrones arquitectónicos que se habilitan de manera única al componer muchos agentes de IA enfocados en lugar de ejecutar un escaneo monolítico. Estos patrones abordan desafíos fundamentales en el análisis de seguridad impulsado por IA.

1. Tensión entre agentes adversarios (CAZAR vs. DEMOSTRAR)

La mayoría de las herramientas de seguridad de IA le preguntan a un solo modelo "¿es esto vulnerable?" y aceptan la respuesta. SEC-AF separa estructuralmente los agentes descubridores de los agentes refutadores. Los cazadores están incentivados a encontrar vulnerabilidades; los probadores están incentivados a refutarlas. Cada hallazgo pasa por una cadena de verificación de 4 agentes: un rastreador reconstruye el flujo de datos, un analizador de sanitización busca mitigaciones que el cazador pudo haber pasado por alto, un hipotetizador de exploits construye un escenario de ataque concreto y un agente de veredicto sopesa toda la evidencia conflictiva. Esta tensión adversarial entre agentes es lo que impulsa la reducción de ruido del 94%: la arquitectura en sí misma codifica el escepticismo.

2. Cascada de señales con estrechamiento progresivo

En lugar de volcar todos los hallazgos al usuario, el pipeline comprime la señal en cada etapa: 106 hallazgos brutos → 61 después de la deduplicación con IA → 30 después de la verificación adversarial. Cada fase es un filtro. Esto refleja cómo los equipos de seguridad humanos hacen triaje: primero un descubrimiento amplio, luego un escrutinio progresivamente más estricto. La idea clave es que cada filtro es un tipo diferente de razonamiento de IA: similitud semántica para la deduplicación, análisis de contaminación para la verificación, construcción de exploits para la confirmación.

Descargar herramienta

Más Populares

Ver todos →

Descubre las herramientas más usadas por nuestra comunidad.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 El kit de herramientas OSINT definitivo: grafo de investigación, puntuación de confianza, familias de alias, mapa, línea de tiempo e informes. 49 módulos, más de 400 sitios, sin necesidad de claves API.

    530
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Aplicación de Ejecución con un Solo Toque GhostLock (CVE-2026-43499)

    479
  • 3

    ARTEX

    baarai/artex

    Plataforma de pruebas de penetración autónoma multiagente basada en LLM con agentes planificadores/trabajadores, grafos de activos y de exploración, registro de tráfico MITM y reevaluación de vulnerabilidades.

    369
  • 4

    redforge

    cybersecurity91/redforge

    Kit de herramientas de red team del lado del navegador con 102 herramientas offline para reconocimiento, generación de payloads, ataques de credenciales, criptografía, codificación y elaboración de informes de compromiso.

    319
  • 5

    estorides

    grisuno/estorides

    Agrega más de 99 fuentes OSINT gratuitas en paralelo, resuelve entidades en un grafo de conocimiento y exporta STIX 2.1, MISP o GraphML con análisis asistido por LLM.

    294
  • 6

    opencti

    opencti-platform/opencti

    Plataforma abierta de inteligencia de amenazas cibernéticas

    266

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →