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/unknownhl/deepguard
Análisis EstáticoEscáneres de VulnerabilidadesAnálisis de VulnerabilidadesAnálisis de CódigoAprendizaje AutomáticoPapers e InvestigaciónAprendizaje y EducaciónSeguridad de IA
GitHubunknownhl/deepguard

DeepGuard

Código para el artículo principal de ACL 2026 "DeepGuard: Secure Code Generation via Multi-Layer Semantic Aggregation"

2157hace 7 mesesAún no revisado
Ver Repositorio
Compartir

DeepGuard

DeepGuard Architecture

📖 Resumen del Proyecto

DeepGuard es un enfoque innovador de generación de código seguro que mejora la capacidad de los modelos de lenguaje de gran tamaño para generar código seguro mediante técnicas de agregación semántica multicapa. Este método identifica y mitiga eficazmente las vulnerabilidades de seguridad en el código, proporcionando a los desarrolladores soluciones de generación de código más seguras.

🔑 Características Técnicas Principales

  • Agregación Semántica Multicapa: Captura información semántica rica agregando estados ocultos de múltiples capas de Transformer
  • LoRA Consciente de la Seguridad: Combina técnicas de Adaptación de Bajo Rango (Low-Rank Adaptation) para un entrenamiento eficiente con seguridad mejorada
  • Evaluación Dinámica de Seguridad: Evaluación en tiempo real de la seguridad del código generado con ajustes dinámicos
  • Soporte Multi-Modelo: Admite modelos de generación de código populares, incluidos Qwen2.5-Coder, DeepSeek-Coder y Seed-Coder

📁 Estructura del Proyecto

.
├── data_train_val/     # Training and validation datasets
│   ├── train/          # Training data
│   └── val/            # Validation data
├── data_eval/          # Evaluation datasets
│   ├── sec_eval/       # Security evaluation data
│   └── unit_test/      # Unit test data
├── deepguard/          # DeepGuard core implementation
│   ├── train.py        # Training script
│   └── inference.py    # Inference script
├── sven/               # SVEN base framework
├── cosec/              # CoSec baseline implementation
├── runs/               # Training and evaluation scripts
│   ├── run_sec_deepguard.sh  # DeepGuard evaluation script
│   ├── run_sec_cosec.sh      # CoSec evaluation script
│   └── run_sec_base.sh       # Base evaluation script
├── trained/            # Pre-trained model weights
├── images/             # Project related images
├── requirements.txt    # Python dependencies
├── setup.py           # Installation configuration
└── README.md          # Project documentation

🛠️ Configuración del Entorno

Requisitos del Sistema

  • Python 3.10+
  • CUDA 12.0+ (recomendado)
  • 80GB+ de memoria de GPU (para entrenamiento/inferencia de modelos grandes)

Pasos de Instalación

  1. Instalar dependencias
pip install -r requirements.txt
pip install -e .
  1. Configurar CodeQL (para evaluación de seguridad)
./setup_codeql.sh

🚀 Inicio Rápido

Entrenamiento del Modelo

Entrene modelos DeepGuard utilizando nuestro conjunto de datos curado:

cd deepguard
python train.py --model_name qwen2.5-7b --aggregation_method attention

Parámetros de Entrenamiento:

  • --model_name: Nombre del modelo base (qwen2.5-3b, qwen2.5-7b, deepseek-1.3b, deepseek-6.7b, seedcoder-8b)
  • --aggregation_method: Método de agregación

Evaluación del Modelo

Ejecute los scripts de evaluación de seguridad:

cd runs

# Evaluate DeepGuard models
bash run_sec_deepguard.sh

# Evaluate CoSec baseline
bash run_sec_cosec.sh

# Evaluate base models
bash run_sec_base.sh

🔍 Módulos Técnicos Principales

1. MultiLayerAggregator

Agregador semántico multicapa para integrar estados ocultos de diferentes capas de Transformer:

class MultiLayerAggregator(nn.Module):
    def __init__(self, num_layers, hidden_size, aggregation_method='attention'):
        # Supports attention, weighted, concat aggregation methods
        # Optimizes contributions from different layers through learned weights

2. SecurityAnalyzer

Analizador de seguridad para evaluar la seguridad del código y proporcionar orientación de seguridad:

class SecurityAnalyzer(nn.Module):
    def __init__(self, vocab_size, hidden_size, num_layers=4):
        # Combines token-level security embeddings and context processing
        # Outputs security scores to guide generation process

3. SecurityAwareLoRAModel

Modelo LoRA consciente de la seguridad para una mejora eficiente de la seguridad:

class SecurityAwareLoRAModel(nn.Module):
    def generate_with_security(self, input_ids, **kwargs):
        # Dynamic adjustment during generation to improve security
        # Uses security scores to guide token selection

🔍 Tipos de Vulnerabilidades Soportados

DeepGuard puede detectar y mitigar diversas vulnerabilidades de seguridad comunes en el código en múltiples lenguajes de programación:

CWE IDNombre de la VulnerabilidadDescripciónLenguajes SoportadosNivel de Severidad
CWE-020Validación de Entrada IncorrectaValidación de entrada inadecuada que puede provocar diversos problemas de seguridadPythonAlta
CWE-022Limitación Incorrecta de una Ruta a un Directorio RestringidoVulnerabilidad de recorrido de rutas (path traversal) que permite acceder a archivos fuera de los directorios restringidosPythonAlta
CWE-078Inyección de Comandos del SOInyección de comandos del sistema operativo que permite ejecutar comandos arbitrarios del sistemaPythonCrítica
CWE-079Secuencias de Comandos en Sitios Cruzados (XSS)Ataques de cross-site scripting que permiten ejecutar scripts maliciosos en los navegadores de los usuariosPythonAlta
CWE-089Inyección SQLAtaques de inyección SQL que permiten manipular consultas de bases de datosPythonCrítica
CWE-119Desbordamiento de BúferDesbordamiento de búfer que puede provocar ejecución de código o bloqueos del sistemaCCrítica
CWE-125Lectura Fuera de los LímitesLectura fuera de los límites que puede provocar divulgación de informaciónCMedia
CWE-190Desbordamiento de EnterosDesbordamiento de enteros que puede provocar comportamientos inesperados o vulnerabilidades de seguridadCMedia
CWE-416Uso Después de LiberaciónVulnerabilidad de uso después de liberación (use-after-free) que puede provocar ejecución de código o bloqueos del sistemaCCrítica
CWE-476Desreferencia de Puntero NULODesreferencia de un puntero nulo que puede provocar bloqueos del programaCMedia
CWE-502Deserialización de Datos No ConfiablesDeserialización de datos no confiables que puede provocar ejecución de códigoPythonAlta
CWE-732Asignación Incorrecta de PermisosAsignación incorrecta de permisos que puede provocar acceso no autorizadoPython, CMedia
CWE-787Escritura Fuera de los LímitesEscritura fuera de los límites que puede provocar ejecución de código o corrupción de datosCCrítica

Estadísticas de Vulnerabilidades

  • Tipos de Vulnerabilidades Soportados en Total: 13
  • Nivel Crítico: 5 tipos (CWE-078, CWE-089, CWE-119, CWE-416, CWE-787)
  • Nivel Alto: 4 tipos (CWE-020, CWE-022, CWE-079, CWE-502)
  • Nivel Medio: 4 tipos (CWE-125, CWE-190, CWE-476, CWE-732)
  • Lenguajes Soportados: Python, C

Tipos de Evaluación

DeepGuard admite dos modos de evaluación:

  • Base: Evaluación de seguridad básica en modelos estándar
  • Untrain: Evaluación de seguridad en modelos no entrenados/de referencia

Cada tipo de vulnerabilidad proporciona casos de prueba y datos de evaluación correspondientes en los directorios data_eval/unit_test/ y data_eval/sec_eval/.

Ejemplo de Detección de Vulnerabilidades

Proporcionamos programas de ejemplo generados por el modelo base y DeepGuard para ilustrar mejor sus comportamientos.

C1. Análisis de Seguridad: CWE-078 (Inyección de Comandos del SO)

Esta vulnerabilidad ocurre cuando entradas controladas por el usuario se utilizan para construir comandos del sistema operativo sin saneamiento. El prompt para "CWE-078 0-py" es:

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.

    546
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    477
  • 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.

    377
  • 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.

    324
  • 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.

    269
  • 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.

    252

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →