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
AIDebug — Evidencia centrada en la ingeniería inversa de malware con inspección profunda de PE/.NET, reconstrucción con Ghidra, verificaciones cruzadas con IA, YARA y depuración de ELF. | Kitploit
Herramientas/GitHubGitHub/anpa1200/aidebug
Análisis EstáticoAnálisis Dinámico (Sandboxing)Ingeniería InversaDepuradoresAnálisis de MalwareAnálisis de BinariosInteligencia de AmenazasAprendizaje y EducaciónRutas de Aprendizaje y CursosSeguridad de IA
GitHub
162121hace 11 díasAún no revisado
anpa1200/aidebug

AIDebug

Evidencia centrada en la ingeniería inversa de malware con inspección profunda de PE/.NET, reconstrucción con Ghidra, verificaciones cruzadas con IA, YARA y depuración de ELF.

Ver RepositorioSitio web
Compartir

AIDebug

Punto de partida para el revisor

CLI de ingeniería inversa centrada en la evidencia. Andrey Pautov desarrolla la interfaz de analista en Python, el triaje offline, la inteligencia de cadenas, la inspección de PE y los flujos de trabajo de generación de informes. Capstone, Ghidra, GDB y los proveedores de IA opcionales son integraciones, no herramientas originales creadas por este proyecto.

Relevancia del rol: Triaje de malware, herramientas de ingeniería inversa, análisis asistido por IA seguro, desarrollo en Python.

Ejecuta la demo local segura y revisa el alcance de validación · Validación local registrada

Source v3.1.0 PyPI v3.0.0 Python 3.10–3.13 CI Publish to PyPI License: MIT Release

AIDebug es una CLI y una interfaz de terminal de ingeniería inversa de malware centrada en la evidencia. Combina triaje offline determinista, inspección hexadecimal de archivos completos, análisis profundo de la estructura PE, desensamblado con Capstone, reconstrucción con Ghidra, verificaciones cruzadas opcionales con LLM, depuración local de ELF, ejercicios de aprendizaje compilados y generación de informes para revisión del analista.

Versión actual del código fuente: AIDebug 3.1.0. Consulta las notas de la versión 3.1.0.

La última versión publicada inmutable sigue siendo AIDebug v3.0.0, disponible como 1200km-aidebug, hasta que la etiqueta 3.1.0 correspondiente a la versión y la versión de GitHub completen el flujo de trabajo de publicación verificado.

Aspectos destacados

  • Triaje estático determinista de PE y ELF sin necesidad de un servicio de IA.
  • Inteligencia de cadenas ASCII, UTF-8, UTF-16LE y UTF-16BE de archivo completo y consciente de las ocurrencias, con categorías inteligentes, clasificación y explicaciones de DLL/API.
  • Visor hexadecimal de solo lectura y paginado para el archivo analizado completo.
  • Explorador profundo de la estructura PE32/PE32+ con RVA, VA y desplazamientos de archivo mapeados.
  • Reconstrucción de tipo C respaldada por Ghidra para una función o para el conjunto completo de funciones acotado.
  • Revisión opcional basada en evidencia a través de Anthropic, OpenAI, Google Gemini o un endpoint local compatible con Ollama.
  • Depuración local de ELF respaldada por GDB con puntos de interrupción, ejecución paso a paso, registros, deltas, contexto de desensamblado y candidatos de entrada/salida de funciones.
  • Cien casos de aprendizaje en C independientes con salida real del compilador, desensamblado y pseudo-código de Ghidra en la GUI principal.
  • Historial de análisis local indexado por SHA-256 y restauración compatible de hallazgos.
  • Salidas HTML, JSON versionado, candidatos YARA, candidatos ATT&CK y CFG para la revisión del analista.

Instalación

Paquete publicado 3.0.0

Instala el paquete estable desde PyPI en estos tres pasos:

  1. Crea y activa el entorno deseado:
python3 -m venv .venv
source .venv/bin/activate
  1. Ejecuta el bootstrap seguro de pip con reconocimiento de versión en ese entorno. Conserva las versiones más recientes de pip y verifica el hash del wheel fijado cuando se necesita una actualización. Detente si falla; no continúes con la instalación del paquete.

  2. Instala el paquete estable:

python -m pip install 1200km-aidebug==3.0.0
aidebug --version

Instale las capacidades opcionales según sea necesario:

# LLM provider clients and local validation of AI-generated YARA candidates
python -m pip install "1200km-aidebug[ai]==3.0.0" "certifi>=2026.10.19"

# Frida dynamic instrumentation
python -m pip install "1200km-aidebug[dynamic]==3.0.0"

# All optional Python integrations
python -m pip install "1200km-aidebug[all]==3.0.0" "certifi>=2026.10.19"

Revisión del código fuente 3.1.0

String Intelligence requiere el código fuente 3.1 hasta que se publique su paquete. La revisión de 3.1 fija la revisión a continuación. Su código en tiempo de ejecución también coincide con la revisión auditada de main del 1 de octubre 80b0b7172b592814504c405a16bf4cc0ce4161eb.

git clone https://github.com/anpa1200/AIDebug.git
cd AIDebug
git checkout cd81ef242db0bcea3296970d45c241a4228d2d27
python3 -m venv .venv
source .venv/bin/activate

Antes de instalar las dependencias, ejecute el arranque seguro de pip con reconocimiento de versión en este entorno. La copia de trabajo histórica no incluye el asistente de arranque actual. Deténgase si el arranque falla. Continúe solo después de que tenga éxito:

python -m pip install -e .
aidebug --version

Desde ese checkout, añade extras con python -m pip install -e ".[ai]" "certifi>=2026.10.19", ".[dynamic]", o ".[all]" "certifi>=2026.10.19". Mantén los extras en la misma vía de instalación: instalar "1200km-aidebug[ai]==3.0.0" sobre el código fuente 3.1 puede reemplazarlo con el paquete publicado 3.0.

Desarrollo

Para un checkout de desarrollo en movimiento:

git clone https://github.com/anpa1200/AIDebug.git
cd AIDebug
python3 -m venv .venv
source .venv/bin/activate
python scripts/bootstrap_pip.py
python -m pip install -e ".[dev,dynamic]"

Ghidra, GDB, Bubblewrap, un compilador de C y los componentes de destino de Frida son herramientas externas utilizadas únicamente por los flujos de trabajo que las requieren.

Integración con REMnux

AIDebug fue aceptado en REMnux el 7 de octubre de 2026 mediante PR #355, incluido por primera vez en salt-states v2026.41.4. El estado aceptado instala 1200km-aidebug[ai] sin fijar versión desde PyPI en /opt/aidebug, habilita las actualizaciones y expone /usr/local/bin/aidebug. Según lo verificado el 8 de octubre de 2026, PyPI todavía proporciona 3.0.0; esto no instala el código fuente 3.1 no publicado ni el extra dynamic. Use --offline para mantener el análisis local. Consulte Configuración de REMnux y límites de versión.

Inicio rápido

Abra una muestra PE o ELF en la interfaz principal de terminal:

aidebug --binary /path/to/sample.exe --offline

Ejecute análisis deterministas sin la interfaz de pantalla completa y exporte la evidencia:

aidebug --binary /path/to/sample.exe \
  --offline --no-tui --report --json-export --yara \
  --out-dir reports/

Utilice la reconstrucción de Ghidra:

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.

    540
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    476
  • 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.

    373
  • 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.

    322
  • 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.

    278
  • 6

    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.

    251

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →