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
API-attack-detection-with-AI — detección de ataques sql/xss en API web con IA | Kitploit
Herramientas/GitHubGitHub/mouna23/api-attack-detection-with-ai
Escáneres de VulnerabilidadesAnálisis de CódigoSeguridad WebAprendizaje AutomáticoAprendizaje y EducaciónSeguridad de APIs
GitHubmouna23/api-attack-detection-with-ai

API-attack-detection-with-AI

detección de ataques sql/xss en API web con IA

Ver RepositorioSitio web
3138hace 1 añoAún no revisado
Compartir

Detección de ataques SQL/XSS en API Web con inteligencia artificial / machine learning

Este proyecto tiene como objetivo detectar inyecciones SQL y XSS en consultas/parámetros de API utilizando machine learning.

Presentación del proyecto

Este proyecto tiene como objetivo detectar inyecciones SQL y XSS en consultas y parámetros de API utilizando técnicas de Machine Learning.
El objetivo es crear un pipeline simple que permita:

  • preparar y limpiar un dataset de consultas de API,
  • entrenar un modelo capaz de clasificar automáticamente las consultas como benign, sql_injection o xss,
  • proporcionar un modelo reutilizable para pruebas o una futura API de detección en tiempo real.

Workflow del proyecto

  1. Preparar el dataset
    El archivo generated_payloads.csv en la carpeta data/ contiene ejemplos de consultas de API etiquetadas (sql_injection, xss, benign) provenientes de fuentes externas como Kaggle o generadas localmente.

  2. Limpieza y división del dataset

    python scripts/clean_and_split.py
    

El script:

  • elimina duplicados y líneas vacías,
  • limpia los textos (espacios, saltos de línea, tabulaciones),
  • normaliza las etiquetas,

y genera:

  • data/combined.csv: dataset completo limpio,
  • data/train.csv: datos de entrenamiento (80%),
  • data/test.csv: datos de prueba (20%).
  1. Entrenamiento del modelo
    python scripts/train_model.py
    

El modelo utiliza un pipeline ML:

TF-IDF Vectorizer (TfidfVectorizer): transforma las consultas de texto en vectores numéricos, capturando la importancia de palabras o símbolos sospechosos.

Logistic Regression (LogisticRegression): clasificador supervisado que aprende a asociar los vectores TF-IDF con las clases sql_injection, xss o benign.

Después del entrenamiento, el modelo se guarda en la carpeta models, y luego se puede utilizar para predecir la clase de una nueva consulta.

  1. Pruebas automáticas
    pytest -v -s tests/test_pipeline.py
    

La prueba verifica que:

  • el modelo se pueda cargar,
  • predice correctamente varios ejemplos simples,
  • no ocurre ningún error en el pipeline.
  1. Dependencias Python
    pip3 install -r requirements.txt
    

Librerías

  • pandas
  • scikit-learn
  • joblib
  • pytest
  1. Notas
    Los scripts están diseñados para ejecutarse localmente, en un entorno Python 3.13+ con las dependencias listadas.
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 →