Skip to content
KitploitKITPLOIT
OutilsExploitsBlog
Log in
Soumettre
OutilsExploitsBlog
Soumettre

Outils de Hacking, PenTest et Cybersécurité pour votre Arsenal de Sécurité !

Kitploit est un répertoire d'outils de hacking, de cybersécurité et de pentesting. Découvrez les dernières mises à jour des projets pour trouver des vulnérabilités, analyser des systèmes, automatiser les tests et renforcer votre sécurité.

FluxContactConfidentialité© 2026 Kitploit

Répertoire d'outils

Catégories

Voir toutes les catégories
Loading categories
Outils/GitHubGitHub/anpa1200/aidebug
Analyse StatiqueAnalyse Dynamique (Sandboxing)Rétro-ingénierieDébogueursAnalyse de MalwareAnalyse de BinairesRenseignement sur les MenacesApprentissage et ÉducationParcours et CoursSécurité de l'IA
GitHub
162121il y a 11 joursPas encore vérifié
anpa1200/aidebug

AIDebug

Analyse de logiciels malveillants axée sur les preuves avec inspection approfondie des PE/.NET, reconstruction Ghidra, vérifications croisées par IA, YARA et débogage ELF.

Voir le dépôtSite web
Partager

AIDebug

Point de départ pour l'évaluation

CLI de rétro-ingénierie axée sur les preuves. Andrey Pautov développe l'interface analyste en Python, le triage hors ligne, l'intelligence des chaînes, l'inspection PE et les workflows de reporting. Capstone, Ghidra, GDB et les fournisseurs d'IA optionnels sont des intégrations, et non des outils originaux écrits par ce projet.

Pertinence du rôle : Triage de logiciels malveillants, outillage de rétro-ingénierie, analyse assistée par IA sécurisée, livraison en Python.

Exécuter la démo locale sécurisée et examiner le périmètre de validation · Validation locale enregistrée

Source v3.1.0 PyPI v3.0.0 Python 3.10–3.13 CI Publish to PyPI License: MIT Release

AIDebug est une CLI et une interface terminal de rétro-ingénierie de logiciels malveillants axée sur les preuves. Elle combine un triage déterministe hors ligne, une inspection hexadécimale du fichier entier, une analyse approfondie de la structure PE, un désassemblage Capstone, une reconstruction Ghidra, des contre-vérifications LLM optionnelles, un débogage ELF local, des exercices d'apprentissage compilés et un reporting pour la revue par l'analyste.

Version source actuelle : AIDebug 3.1.0. Voir les notes de version 3.1.0.

La dernière version publiée immuable reste AIDebug v3.0.0, disponible sous le nom 1200km-aidebug, jusqu'à ce que le tag 3.1.0 correspondant à la version et la release GitHub achèvent le workflow de publication vérifié.

Points forts

  • Triage statique déterministe PE et ELF sans nécessiter de service d'IA.
  • Intelligence des chaînes ASCII, UTF-8, UTF-16LE et UTF-16BE sur le fichier entier, sensible aux occurrences, avec catégories intelligentes, classement et explications des DLL/API.
  • Visionneuse hexadécimale paginée en lecture seule pour l'intégralité du fichier analysé.
  • Explorateur approfondi de structure PE32/PE32+ avec correspondance des RVA, VA et offsets de fichier.
  • Reconstruction de type C basée sur Ghidra pour une fonction ou l'ensemble borné complet des fonctions.
  • Revue optionnelle fondée sur les preuves via Anthropic, OpenAI, Google Gemini ou un point de terminaison local compatible Ollama.
  • Débogage ELF local basé sur GDB avec points d'arrêt, pas à pas, registres, deltas, contexte de désassemblage et candidats d'entrée/sortie de fonction.
  • Cent cas d'apprentissage C autonomes avec sortie réelle du compilateur, désassemblage et pseudo-code Ghidra dans l'interface graphique principale.
  • Historique d'analyse local indexé par SHA-256 et restauration compatible des résultats.
  • Sorties HTML, JSON versionné, candidats YARA, candidats ATT&CK et CFG pour la revue par l'analyste.

Installation

Paquet publié 3.0.0

Installez le paquet stable depuis PyPI en trois étapes :

  1. Créez et activez l'environnement souhaité :
python3 -m venv .venv
source .venv/bin/activate
  1. Exécutez le bootstrap pip sécurisé et conscient des versions dans cet environnement. Il préserve les versions plus récentes de pip et vérifie le hash du wheel épinglé lorsqu'une mise à niveau est nécessaire. Arrêtez-vous en cas d'échec ; ne poursuivez pas vers l'installation du paquet.

  2. Installez le paquet stable :

python -m pip install 1200km-aidebug==3.0.0
aidebug --version

Installez les fonctionnalités optionnelles selon vos besoins :

# LLM provider clients and local validation of AI-generated YARA candidates
python -m pip install "1200km-aidebug[ai]==3.0.0" "certifi>=2026.10.19"

# Frida dynamic instrumentation
python -m pip install "1200km-aidebug[dynamic]==3.0.0"

# All optional Python integrations
python -m pip install "1200km-aidebug[all]==3.0.0" "certifi>=2026.10.19"

Source 3.1.0 examinée

String Intelligence nécessite la source 3.1 jusqu'à la publication de son paquet. La revue de la 3.1 épingle la révision ci-dessous. Son code d'exécution correspond également à la révision auditée du 1er octobre de la branche main 80b0b7172b592814504c405a16bf4cc0ce4161eb.

git clone https://github.com/anpa1200/AIDebug.git
cd AIDebug
git checkout cd81ef242db0bcea3296970d45c241a4228d2d27
python3 -m venv .venv
source .venv/bin/activate

Avant d'installer les dépendances, exécutez le bootstrap pip sécurisé tenant compte des versions dans cet environnement. Le checkout historique n'inclut pas l'assistant de bootstrap actuel. Arrêtez-vous si le bootstrap échoue. Ne continuez qu'après sa réussite :

python -m pip install -e .
aidebug --version

À partir de ce checkout, ajoutez les extras avec python -m pip install -e ".[ai]" "certifi>=2026.10.19", ".[dynamic]", ou ".[all]" "certifi>=2026.10.19". Conservez les extras sur la même piste d'installation : installer "1200km-aidebug[ai]==3.0.0" par-dessus la source 3.1 peut le remplacer par le paquet 3.0 publié.

Développement

Pour un checkout de développement évolutif :

git clone https://github.com/anpa1200/AIDebug.git
cd AIDebug
python3 -m venv .venv
source .venv/bin/activate
python scripts/bootstrap_pip.py
python -m pip install -e ".[dev,dynamic]"

Ghidra, GDB, Bubblewrap, un compilateur C et les composants cibles Frida sont des outils externes utilisés uniquement par les workflows qui en ont besoin.

Intégration REMnux

AIDebug a été accepté dans REMnux le 7 octobre 2026 via PR #355, inclus pour la première fois dans salt-states v2026.41.4. L'état accepté installe 1200km-aidebug[ai] non épinglé depuis PyPI dans /opt/aidebug, active les mises à jour et expose /usr/local/bin/aidebug. Comme vérifié le 8 octobre 2026, PyPI fournit toujours 3.0.0 ; cela n'installe pas la source 3.1 non publiée ni l'extra dynamic. Utilisez --offline pour garder l'analyse locale. Voir Configuration REMnux et limites de version.

Démarrage rapide

Ouvrez un échantillon PE ou ELF dans l'interface principale du terminal :

aidebug --binary /path/to/sample.exe --offline

Exécutez une analyse déterministe sans l'interface plein écran et exportez les preuves :

aidebug --binary /path/to/sample.exe \
  --offline --no-tui --report --json-export --yara \
  --out-dir reports/

Utilisez la reconstruction Ghidra :

Télécharger l’outil

Populaires

Voir tout →

Découvrez les outils les plus utilisés par notre communauté.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 La boîte à outils OSINT ultime : graphe d'enquête, notation de confiance, familles d'alias, carte, chronologie et rapports. 49 modules, plus de 400 sites, aucune clé API requise.

    540
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Application d'exécution en un clic GhostLock (CVE-2026-43499)

    476
  • 3

    ARTEX

    baarai/artex

    Plateforme autonome de tests d'intrusion multi-agents basée sur des LLM, avec agents planificateur/ouvrier, graphes d'actifs et d'exploration, enregistrement du trafic MITM et retest des vulnérabilités.

    373
  • 4

    redforge

    cybersecurity91/redforge

    Boîte à outils red team côté navigateur avec 102 outils hors ligne pour la reconnaissance, la génération de payloads, les attaques par identifiants, la cryptographie, l'encodage et le reporting d'engagement.

    322
  • 5

    estorides

    grisuno/estorides

    Agrège plus de 99 sources OSINT gratuites en parallèle, résout les entités dans un graphe de connaissances et exporte en STIX 2.1, MISP ou GraphML avec une analyse assistée par LLM.

    278
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Le système d'action pour la cybersécurité native IA—où l'intention devient une exécution gouvernée, les preuves deviennent une mémoire opérationnelle, et chaque opération améliore la suivante.

    251

Explorer tous les outils

Parcourez notre collection d'outils

Voir tous les outils →