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
AI-Threat-Modeler — Proyecto de OWASP para el modelado de amenazas asistido por IA, que ayuda a los equipos a identificar, analizar y documentar amenazas de seguridad y mitigaciones en diseños de sistemas. | Kitploit
Herramientas/GitHubGitHub/owasp/ai-threat-modeler
Herramientas DefensivasAnálisis de VulnerabilidadesInteligencia de AmenazasPapers e InvestigaciónSeguridad de IA
GitHubowasp/ai-threat-modeler

AI-Threat-Modeler

Proyecto de OWASP para el modelado de amenazas asistido por IA, que ayuda a los equipos a identificar, analizar y documentar amenazas de seguridad y mitigaciones en diseños de sistemas.

Ver Repositorio
2109hace 29 díasAún no revisado
Compartir

AI Threat Modeler

Apúntalo a un código base. Obtén un modelo de amenazas fundamentado en el código — listo para revisar, cuestionar y actuar. Las partes que el código no puede ver — el contexto de negocio y la arquitectura detrás de él — son donde entras tú y tus arquitectos.

Sube un ZIP o importa un repositorio de GitHub, y AI Threat Modeler produce un artefacto de modelo de amenazas con enfoque STRIDE: un diagrama de flujo de datos, amenazas candidatas y un registro de riesgos — con enlaces a los archivos fuente exactos y números de línea siempre que el agente de IA pueda fundamentarlos en código real. Una pasada adversarial opcional descarta los hallazgos sin evidencia en el código.

Diseñado para equipos de AppSec que quieren modelado de amenazas fundamentado en el código real — trazable, revisable y siempre actualizado.

Qué es esto (y qué no es)

Sé claro sobre lo que obtienes, porque la distinción importa:

  • Este es un modelador de amenazas de IA fundamentado en el código. Convierte un código base en un catálogo inicial de hallazgos DFD + STRIDE + riesgos, cada uno anclado a un file:line real.
  • Esto está fundamentado en el código. Nuestro principio de trabajo es breve y concreto: identifica la amenaza, fundamenta la verdad en el código, luego actúa sobre ella. Cada hallazgo está anclado a un file:line real, y las afirmaciones sin evidencia en el código se descartan. El resultado es una entrada concreta y revisable sobre la que tu equipo puede actuar — el código es la fuente de verdad, y tu equipo aporta el criterio para actuar sobre ella.

El valor que obtienes es proporcional a lo que aportas (basura entra, basura sale) y a la seriedad con la que tu equipo actúa sobre los hallazgos — verificando el diagrama, triangulando las afirmaciones contra el código y añadiendo el contexto de negocio/diseño que vive fuera del código base. Consulta Cómo usar la salida para el flujo de trabajo completo, y cómo usarlo como una comprobación de ¿hicimos un trabajo suficientemente bueno? contra un modelo de amenazas existente construido a mano.

📹 Demo

Vídeo de demostración

O míralo en la página del archivo.

Pruébalo en 3 pasos

Necesitarás Docker y una clave de API de uno de los proveedores compatibles — Anthropic (Claude), OpenAI o DeepInfra para ejecutar modelos de pesos abiertos (Kimi, GLM, DeepSeek).

  1. Configura tu entorno. Copia el archivo de entorno y añade un JWT_SECRET aleatorio:

    cp .env.example .env
    echo "JWT_SECRET=$(openssl rand -hex 32)" >> .env
    
  2. Compilar e iniciar:

    docker-compose up -d --build
    
  3. Abre http://localhost:3000, inicia sesión con admin / admin, añade tu clave de API en Settings y envía un repositorio.

👉 ¿Eres nuevo aquí? Sigue la guía de inicio para el recorrido completo con todo lujo de detalles.

Qué obtienes

Cuando un trabajo finaliza, abre el informe: un conjunto de artefactos para tu revisión, no un veredicto final:

PestañaContenido
Diagrama de flujo de datosDiagrama interactivo con límites de confianza; haz clic en un nodo para ver las amenazas candidatas relacionadas y los archivos de origen. Verifica esto primero contra tu arquitectura real: los hallazgos basados en un diagrama incorrecto son sospechosos.
Modelo de amenazasAmenazas STRIDE candidatas con severidad, mitigación y Ubicación (archivo:línea, fragmento, enlace de GitHub cuando se importa desde GitHub). Trata cada una como una hipótesis que verificar en el código, no como una conclusión.
Registro de riesgosRiesgos vinculados de forma cruzada con las amenazas, con planes de remediación: materia prima para las decisiones de tu equipo y la remediación con seguimiento.

Exporta a PDF, CSV (compatible con Excel) o JSON, para que puedas llevar los hallazgos a tu sistema de seguimiento de incidencias y a tu práctica de modelado de amenazas de referencia.

Cómo funciona

Cada trabajo ejecuta un breve flujo etapa → ejecución para que la IA entienda tu despliegue, no solo tu código:

  1. Analizar — la aplicación rellena automáticamente seis campos de contexto editables (resumen del proyecto, contexto de seguridad, contexto de despliegue, orientación para desarrolladores, exclusiones sugeridas y notas). Esta es tu entrada de mayor impacto: edítala con el contexto real de despliegue y de negocio; el artefacto solo será tan bueno como lo que introduzcas.
  2. Ejecutar — el agente genera el artefacto STRIDE completo y muestra el estado en vivo en el panel. Después, tu equipo lo revisa (consulta Cómo usar la salida).

Proveedores de modelos

Usa tu propia clave con el proveedor que mejor se adapte a tu presupuesto y necesidades de cumplimiento: elige el proveedor y el modelo en Settings:

  • Anthropic (Claude) y OpenAI — modelos frontera alojados.
  • DeepInfra — modelos de pesos abiertos. Ejecuta las familias Kimi, GLM y DeepSeek detrás de una API compatible con OpenAI en una nube de inferencia certificada para HIPAA y SOC 2. El selector de modelos muestra cada opción con su precio por millón de tokens y su ventana de contexto, y el coste por trabajo se informa con exactitud. Los modelos de pesos abiertos pueden ser drásticamente más baratos: un trabajo típico con DeepSeek V4 Flash cuesta céntimos, no dólares.

También puedes ajustar reasoning_effort y activar la segunda pasada adversarial por instancia. Consulta la Referencia de configuración.

Documentación

GuíaPara
Primeros pasosUsuarios primerizos — desde la instalación hasta el primer informe
Importar desde GitHubRepositorios públicos y privados, ramas, límites
Referencia de configuraciónAjuste de coste, profundidad y proveedores
Solución de problemasCuando algo va mal
CaracterísticasLista completa de capacidades
DespliegueEjecución con Docker Compose en producción
SETUP.mdDesarrollo local sin Docker
CHANGELOG.mdHistorial de versiones

Índice completo de la documentación: docs/. Especificación interactiva de la API: http://localhost:3001/api-docs (cuando el backend está en ejecución).

Contribuir / desarrollo

npm test                                             # backend + frontend unit tests
cd frontend && npm run e2e:install && npm run e2e    # Playwright end-to-end tests

Consulta SETUP.md para el entorno de desarrollo completo (Node 18+, sin Docker).

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.

    786
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    506
  • 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.

    429
  • 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.

    345
  • 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.

    262
  • 6

    looking-glass

    anonghosty/looking-glass

    Plataforma CSIRT que ingiere informes de Shadowserver en MongoDB y los reproduce como mapas interactivos, análisis, hallazgos, avisos y paneles ejecutivos.

    256

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →