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
gha-lab-ee08e207a8 — # Laboratorio de investigación de seguridad autorizado que reproduce CVE-2024-4253 (GHSA-r897-wrpm-h4vw): inyección de comandos en workflow_run en test-functional.yml de gradio-app/gradio | Kitploit
Herramientas/GitHubGitHub/pvharmo2/gha-lab-ee08e207a8
Análisis de VulnerabilidadesExplotaciónAprendizaje y EducaciónLabs y Práctica
GitHubpvharmo2/gha-lab-ee08e207a8

gha-lab-ee08e207a8

# Laboratorio de investigación de seguridad autorizado que reproduce CVE-2024-4253 (GHSA-r897-wrpm-h4vw): inyección de comandos en workflow_run en test-functional.yml de gradio-app/gradio

Ver Repositorio
30hace 2 mesesAún no revisado
Compartir

Artefacto de investigación automatizado — no es el proyecto original.

Este repositorio es un laboratorio desechable construido por un sistema automatizado para una tesis de maestría en la Université Laval sobre la reproducción de vulnerabilidades publicadas en flujos de trabajo de GitHub Actions. Es una instantánea verbatim de gradio-app/gradio en el commit a81e36967c0973012e90ec7cf03b99cf3fea88ec (2024-04-30), redistribuida bajo la licencia de ese proyecto, cuyo archivo se incluye sin cambios en esta instantánea.

El proyecto original no está involucrado, nunca es el objetivo, y la vulnerabilidad estudiada aquí ya es pública. Cada secreto y variable en este repositorio es un valor ficticio generado aleatoriamente — no hay ninguna credencial real presente. Las referencias de acciones y las imágenes de ejecutores están fijadas a lo que resolvieron el 2024-04-30; consulta pinning.md en la salida del sistema para cada cambio realizado en la instantánea.

Preguntas u objeciones: [email protected]


gradio

gradio-backend gradio-ui
PyPI PyPI downloads Python version Twitter follow

Sitio web | Documentación | Guías | Primeros pasos | Ejemplos | 中文

Gradio: Crea aplicaciones web de aprendizaje automático — en Python

Gradio es un paquete de Python de código abierto que te permite crear rápidamente una demo o aplicación web para tu modelo de aprendizaje automático, API o cualquier función arbitraria de Python. Luego puedes compartir un enlace a tu demo o aplicación web en solo unos segundos usando las funciones de compartir integradas de Gradio. ¡No se necesita experiencia con JavaScript, CSS ni alojamiento web!

Solo se necesitan unas pocas líneas de Python para crear una demo hermosa como la anterior, así que comencemos 💫

Instalación

Requisito previo: Gradio requiere Python 3.8 o superior

Recomendamos instalar Gradio usando pip, que viene incluido por defecto en Python. Ejecuta esto en tu terminal o símbolo del sistema:

pip install gradio

[!TIP] Es mejor instalar Gradio en un entorno virtual. Instrucciones detalladas de instalación para todos los sistemas operativos comunes se proporcionan aquí.

Creando tu primera demo

Puedes ejecutar Gradio en tu editor de código favorito, cuaderno de Jupyter, Google Colab o cualquier otro lugar donde escribas Python. Escribamos tu primera aplicación de Gradio:

import gradio as gr

def greet(name, intensity):
    return "Hello " * intensity + name + "!"

demo = gr.Interface(
    fn=greet,
    inputs=["text", "slider"],
    outputs=["text"],
)

demo.launch()

[!TIP] Acortamos el nombre importado de gradio a gr para una mejor legibilidad del código. Esta es una convención ampliamente adoptada que deberías seguir para que cualquiera que trabaje con tu código pueda entenderlo fácilmente.

Ahora, ejecuta tu código. Si has escrito el código de Python en un archivo llamado, por ejemplo, app.py, entonces ejecutarías python app.py desde la terminal.

La demo de abajo se abrirá en un navegador en http://localhost:7860 si se ejecuta desde un archivo. Si estás ejecutando dentro de un cuaderno, la demo aparecerá integrada dentro del cuaderno.

hello_world_4 demo

Escribe tu nombre en el cuadro de texto de la izquierda, arrastra el control deslizante y luego presiona el botón Enviar. Deberías ver un saludo amigable a la derecha.

[!TIP] Cuando desarrolles localmente, puedes ejecutar tu aplicación de Gradio en modo de recarga automática, que recarga automáticamente la aplicación de Gradio cada vez que hagas cambios en el archivo. Para hacer esto, simplemente escribe gradio antes del nombre del archivo en lugar de python. En el ejemplo anterior, escribirías: gradio app.py en tu terminal. Aprende más sobre la recarga automática en la Guía de recarga automática.

Entendiendo la clase Interface

Notarás que para crear tu primera demo, creaste una instancia de la clase gr.Interface. La clase Interface está diseñada para crear demos de modelos de aprendizaje automático que aceptan una o más entradas y devuelven una o más salidas.

La clase Interface tiene tres argumentos principales:

  • fn: la función a envolver con una interfaz de usuario (UI)
  • inputs: el/los componente(s) de Gradio a usar para la entrada. El número de componentes debe coincidir con el número de argumentos en tu función.
  • outputs: el/los componente(s) de Gradio a usar para la salida. El número de componentes debe coincidir con el número de valores de retorno de tu función.

El argumento fn es muy flexible — puedes pasar cualquier función de Python que quieras envolver con una UI. En el ejemplo anterior, vimos una función relativamente simple, pero la función podría ser cualquier cosa, desde un generador de música hasta una calculadora de impuestos o la función de predicción de un modelo de aprendizaje automático preentrenado.

Los argumentos input y output toman uno o más componentes de Gradio. Como veremos, Gradio incluye más de 30 componentes integrados (como los componentes gr.Textbox(), gr.Image() y gr.HTML()) diseñados para aplicaciones de aprendizaje automático.

[!TIP] Para los argumentos inputs y outputs, puedes pasar el nombre de estos componentes como una cadena ("textbox") o una instancia de la clase (gr.Textbox()).

Si tu función acepta más de un argumento, como en el caso anterior, pasa una lista de componentes de entrada a inputs, con cada componente de entrada correspondiendo a uno de los argumentos de la función, en orden. Lo mismo aplica si tu función devuelve más de un valor: simplemente pasa una lista de componentes a outputs. Esta flexibilidad hace que la clase Interface sea una forma muy poderosa de crear demos.

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 →