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
Herramientas/GitHubGitHub/amazon-science/cyber-zero
Análisis de VulnerabilidadesCTFPruebas de PenetraciónAprendizaje AutomáticoPapers e InvestigaciónAprendizaje y EducaciónSeguridad de IALabs y PrácticaArchived
GitHubamazon-science/cyber-zero

Cyber-Zero

Framework para entrenar agentes de ciberseguridad basados en LLM sin entornos de ejecución, sintetizando trayectorias de resolución de CTF mediante simulación impulsada por personas y evaluando en InterCode-CTF, NYU CTF Bench y Cybench.

Ver RepositorioSitio web
10022hace 9 mesesRevisado por Kitploit
Compartir

Cyber-Zero: Entrenamiento de agentes de ciberseguridad sin runtime

🎉 ¡Consulta nuestro trabajo más reciente!

🚀 Primer entorno de ejecución para agentes de ciberseguridad 🚀

🧐 Descripción general | 🏆 Suite de benchmarks | 🚀 Inicio rápido | 🏗️ Arquitectura | ⚙️ Configuración | 📊 Generación | 📝 Validación | 📝 Interfaz CLI | 📝 Citación

Cyber-Zero es un framework integral para entrenar agentes de ciberseguridad sin requerir entornos de ejecución en runtime.

Descripción general

Cyber-Zero Teaser

Los Modelos de Lenguaje de Gran Escala (LLM) han logrado un éxito notable en tareas de ingeniería de software cuando se entrenan con entornos de ejecución ejecutables; sin embargo, dichos entornos a menudo no están disponibles en los dominios de ciberseguridad, donde las configuraciones de los desafíos y los contextos de ejecución son efímeros o restringidos. Cyber-Zero aborda esta limitación fundamental aprovechando los writeups de CTF disponibles públicamente y empleando simulación de LLM basada en personas para reconstruir ingenierilmente los comportamientos en runtime y generar secuencias de interacción realistas de horizonte largo sin entornos de ejecución reales.

La innovación clave consiste en generar trayectorias de entrenamiento de alta calidad mediante simulación de LLM en lugar de requerir entornos de ejecución reales, lo que lo hace escalable y práctico para entrenar agentes de ciberseguridad. Utilizando trayectorias sintetizadas por Cyber-Zero, entrenamos agentes basados en LLM que logran hasta un 13.1% de ganancia absoluta en rendimiento sobre los modelos de referencia en tres benchmarks destacados de CTF: InterCode-CTF, NYU CTF Bench y Cybench.

Suite de benchmarks

Para democratizar la evaluación de agentes de ciberseguridad, proporcionamos tres suites de benchmarks reparadas y adaptadas para EnIGMA+ en Cyber-Zero:

  • InterCode-CTF - Una colección integral de desafíos CTF que abarca diversos dominios de ciberseguridad
  • NYU CTF Bench - La suite de benchmarks curada por NYU para evaluar las capacidades de resolución de CTF basadas en LLM
  • Cybench - Un benchmark diverso que abarca múltiples categorías de CTF y niveles de dificultad

Todos los benchmarks han sido reformateados para seguir la especificación de EnIGMA y EnIGMA+, incluyendo cada desafío un archivo challenge.json y un archivo docker-compose.yml (cuando sea necesario).

Nuestra suite de benchmarks aborda varios problemas identificados en los benchmarks originales, proporcionando versiones reparadas para una evaluación confiable. Para obtener información detallada sobre las reparaciones y mejoras específicas, consulta benchmarks/README.md.

EnIGMA+

Para facilitar el desarrollo de agentes de ciberseguridad, presentamos EnIGMA+, un andamiaje de agente mejorado de EnIGMA que ejecuta cientos de desafíos CTF en horas en lugar de días. EnIGMA+ está construido sobre SWE-agent.

Usando EnIGMA+, nuestro mejor modelo, Cyber-Zero-32B, establece un nuevo estado del arte entre los modelos de pesos abiertos, igualando las capacidades de sistemas propietarios como DeepSeek-V3-0324 y Claude-3.5-Sonnet mientras ofrece una rentabilidad superior, demostrando que la síntesis de trayectorias sin ejecución en tiempo de ejecución puede democratizar eficazmente el desarrollo de agentes de ciberseguridad de vanguardia.

Para obtener información detallada sobre EnIGMA+, incluida la instalación, configuración e instrucciones de uso, consulte el README en la carpeta enigma-plus.

Instalación

Desde el código fuente

# Install dependencies
pip install -r requirements.txt

# Install the package
pip install -e .

Inicio rápido

Generar trayectorias

# Using the CLI
cyber-zero generate \
    --sampled_flags_path task_meta.jsonl \
    --output_path trajectories.jsonl \
    --trajectories_per_task 3 \
    --workers 16

# Using the direct script interface
python generate_trajectory.py \
    --sampled_flags_path task_meta.jsonl \
    --output_path trajectories.jsonl \
    --trajectories_per_task 3 \
    --workers 16

Evaluar la calidad

# Using the CLI
cyber-zero evaluate \
    --input_path trajectories.jsonl \
    --output_path quality_results.jsonl \
    --model_id deepseek-v3-0324

# Using the direct script interface  
python evaluate_quality.py \
    --input_path trajectories.jsonl \
    --output_path quality_results.jsonl \
    --model_id deepseek-v3-0324

Reformatear trayectorias

# Using the CLI
cyber-zero reformat \
    --input_path quality_results.jsonl \
    --output_path formatted_trajectories.jsonl \
    --split_output

# Using the direct script interface
python reformat_trajectories.py \
    --input_path quality_results.jsonl \
    --output_path formatted_trajectories.jsonl \
    --split_output

Arquitectura

El framework sigue una arquitectura modular de Cyber-Zero:

cyber_zero/
├── __init__.py                 # Package initialization
├── config.py                   # Configuration management
├── models.py                   # Data models (TaskMeta, TrajectoryData, etc.)
├── utils.py                    # Common utilities
├── validation.py               # Response and command validation
├── llm_client.py               # LLM interaction and quality evaluation
├── trajectory_generator.py     # Main trajectory generation logic
├── quality_evaluator.py        # Quality evaluation for trajectories
├── trajectory_reformatter.py   # Trajectory reformatting for training
├── cli.py                      # Command-line interface
├── prompts/                    # System prompts
│   ├── __init__.py
│   ├── assistant_turn_prompt.txt   # Assistant (CTF player) prompt
│   └── user_turn_prompt.txt        # User (system/environment) prompt
└── data_collection/            # Data collection utilities
    ├── __init__.py             # Package initialization
    ├── config.py               # Data collection configuration
    ├── scraper.py              # Shared web scraping utilities
    └── README.md               # Data collection documentation

Componentes clave

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.

    708
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    500
  • 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.

    398
  • 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.

    341
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    El sistema de acción para la ciberseguridad nativa de IA—donde la intención se convierte en ejecución gobernada, la evidencia se convierte en memoria operativa y cada operación mejora la siguiente.

    259
  • 6

    antifox

    antifox-ai/antifox

    Plataforma de pruebas de penetración autónoma con múltiples agentes de IA que ejecuta reconocimiento, descubrimiento de superficie de ataque, validación de explotación y entrega de informes respaldados por evidencia.

    257

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →