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
DCVD — El código en "DCVD: Fusión multimodal de doble canal para la detección y localización conjunta de vulnerabilidades" | Kitploit
Herramientas/GitHubGitHub/vinsontang1/dcvd
Análisis EstáticoAnálisis de VulnerabilidadesAnálisis de CódigoAprendizaje AutomáticoPapers e InvestigaciónSeguridad de IA
GitHubvinsontang1/dcvd

DCVD

El código en "DCVD: Fusión multimodal de doble canal para la detección y localización conjunta de vulnerabilidades"

Ver Repositorio
242hace 6 mesesAún no revisado
Compartir

11image-20260510182333988

project/
├── train.py
├── data_loader.py
├── README.md
├── requirements.txt
├── models/
│   ├── control_pathway.py
│   ├── semantic_pathway.py
│   ├── feature_fusion_module.py
│   ├── transformer_llm_module.py
│   └── multi_task_predictor.py

Fuentes de datos y modelos

Conjunto de datos

Usamos el conjunto de datos LineVul para la detección de vulnerabilidades:

Michael Fu y Chakkrit Tantithamthavorn, "LineVul: A Transformer-based Line-Level Vulnerability Prediction", MSR 2022.
Artículo: https://conf.researchr.org/details/msr-2022/msr-2022-technical-papers/26/LineVul-A-Transformer-based-Line-Level-Vulnerability-Prediction
Repositorio: https://github.com/awsm-research/LineVul

Además, preprocesamos el conjunto de datos para convertirlo en estructuras de grafo y alineamos cada muestra con las explicaciones generadas por el LLM.

Modelos

Utilizamos los siguientes modelos preentrenados:

  • OpenAI GPT-4o-mini

    OpenAI, "Hello GPT-4o", 2024.
    URL: https://openai.com/index/hello-gpt-4o/

    • gpt-4o-mini-2024-07-18: se utiliza para generar explicaciones del LLM.
  • Modelos Qwen (serie Qwen3)

    Qwen Team, "Qwen3 Technical Report", arXiv:2505.09388, 2025.
    Artículo: https://arxiv.org/abs/2505.09388
    Repositorio: https://github.com/QwenLM/Qwen3

    • Qwen3.5-4B: se utiliza como backbone del embedding semántico (solo la capa de embedding).
  • GraphCodeBERT

    Guo et al., "GraphCodeBERT: Pre-training Code Representations with Data Flow", ICLR 2021.
    Artículo: https://arxiv.org/abs/2009.08366
    Repositorio: https://github.com/microsoft/CodeBERT

Licencias

Este proyecto utiliza conjuntos de datos públicos y modelos preentrenados. Sus licencias se enumeran a continuación:

  • Conjunto de datos LineVul
    Licencia: MIT License
    Fuente: https://github.com/awsm-research/LineVul

  • OpenAI GPT-4o-mini
    El uso está sujeto a los Términos de uso de OpenAI.

  • Modelos Qwen (Qwen3.5-4B)
    Licencia: Apache License 2.0
    Fuente: https://github.com/QwenLM/Qwen3

  • GraphCodeBERT
    Licencia: MIT License
    Fuente: https://github.com/microsoft/CodeBERT

Todos los recursos se utilizan de acuerdo con sus respectivas licencias.

Configuración del entorno

Requisitos

python >= 3.9

torch>=2.0.0
torch-geometric>=2.4.0

transformers>=4.35.0
accelerate>=0.25.0
sentencepiece

pandas>=1.5.0
tqdm>=4.60.0

tensorboard

Instalación de PyTorch Geometric

PyTorch Geometric (PyG) depende de CUDA. Instálalo según tu entorno.

Preparación de datos

Estructura de directorios

data/
├── processed/
│   ├── train_data_masked.pt
│   ├── train_with_llm.csv
│   ├── val_data_masked.pt
│   ├── val_with_llm.csv
│   ├── test_data_masked.pt
│   ├── test_with_llm.csv
├── config/
│   └── node_vocab.json

Formato CSV

El archivo CSV debe contener los siguientes campos:

  • index: identificador único de la muestra
  • func_before: código fuente
  • llm_explanation: explicación generada por el LLM

Datos de grafo (.pt)

Cada objeto Data de PyG debe incluir:

  • index: alineado con el CSV
  • x: características de los nodos
  • ast_edge_index: aristas del AST
  • cfg_edge_index: aristas del CFG
  • y_f: etiqueta a nivel de función
  • y_s: etiquetas a nivel de línea
  • line_mask: mapeo de token a línea

Configuración del modelo

El framework utiliza los siguientes modelos preentrenados:

  • Ruta semántica: Qwen/Qwen3.5-4B
  • Módulo Transformer: microsoft/graphcodebert-base

Puedes modificarlos mediante:

--llm_model_name
--transformer_base_name

Inicio rápido

python train.py \
  --train_pt_path ./data/processed/train_data_masked.pt \
  --train_csv_path ./data/processed/train_with_llm.csv \
  --valid_pt_path ./data/processed/val_data_masked.pt \
  --valid_csv_path ./data/processed/val_with_llm.csv \
  --vocab_path ./data/config/node_vocab.json \
  --output_dir ./outputs \
  --run_name demo

Salida

Los resultados se guardarán en:

outputs/<run_name>/

Incluyendo:

  • checkpoints del modelo
  • logs
  • result.json
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.

    565
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    478
  • 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.

    383
  • 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.

    327
  • 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.

    258
  • 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.

    256

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →