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
maude-hcs — Cadre de modélisation et d'analyse formelle pour les systèmes de communication cachés, permettant la spécification de canaux cachés, de modèles adverses, et la vérification statistique des compromis entre indétectabilité et performance. | Kitploit
Outils/GitHubGitHub/raytheonbbn/maude-hcs
Sécurité RéseauStéganographieProtection de la Vie PrivéeArticles et RechercheApprentissage et ÉducationAnalyse DNS
GitHubraytheonbbn/maude-hcs

maude-hcs

Cadre de modélisation et d'analyse formelle pour les systèmes de communication cachés, permettant la spécification de canaux cachés, de modèles adverses, et la vérification statistique des compromis entre indétectabilité et performance.

Voir le dépôt
521747il y a 16 joursVérifié par Kitploit
Partager

Maude-HCS

Maude-HCS est l'une des premières chaînes d'outils généralisées et modulaires pour la spécification formelle et le raisonnement sur les systèmes de communication cachée (HCS) à l'échelle du monde réel. Il permet aux concepteurs de réseaux d'explorer rapidement et efficacement des conceptions HCS alternatives et fournit les garanties formelles de confidentialité-performance nécessaires pour faire confiance à la conception.

Introduction

Les systèmes de communication cachée (HCS) intègrent des messages dissimulés au sein d'une activité réseau ordinaire afin de masquer la présence de la communication. En pratique, l'indétectabilité d'un HCS est généralement évaluée à l'aide de statistiques de trafic ad hoc ou de détecteurs spécifiques, ce qui rend les affirmations de sécurité étroitement liées aux configurations expérimentales et à des hypothèses adversariales implicites.

Maude-HCS est un cadre de modélisation et d'analyse exécutable qui fournit une base fondée sur des principes et exécutable pour raisonner sur les compromis indétectabilité-performance dans des conceptions HCS complexes. Les concepteurs spécifient formellement le comportement du protocole, les observables de l'adversaire et les hypothèses environnementales, et génèrent des échantillons de Monte Carlo à partir des distributions de traces induites. Ceux-ci peuvent être utilisés pour auditer les affirmations d'indétectabilité en estimant les taux de vrais et de faux positifs d'un test statistique et en convertissant ces estimations en bornes inférieures sur les mesures d'indétectabilité. Cela permet une évaluation systématique de la détectabilité et de ses compromis avec la performance sous des hypothèses de modélisation explicitement énoncées.

Veuillez nous contacter si vous avez besoin d'aide pour modéliser et raisonner sur votre HCS. Et veuillez envisager de citer nos travaux si vous les utilisez dans le cadre de vos recherches.

@article{khoury2026maude,
  title={Maude-HCS: Model Checking the Undetectability-Performance Tradeoffs of Hidden Communication Systems},
  author={Khoury, Joud and Kim, Minyoung and Merlin, Christophe and Meseguer, Jos{\'e} and Ratliff, Zachary and Talcott, Carolyn},
  journal={arXiv preprint arXiv:2603.03369},
  year={2026}
}

Requirements

Requires python version 3.12.4

Créez votre environnement préféré et activez-le, par exemple

Pour pyenv

pyenv install 3.12.4
pyenv local 3.12.4

Pour conda

conda create --name pwnd2 python=3.12.4
conda activate pwnd2

Pour un environnement virtuel

python -m venv venv
source venv/bin/activate

Installation : depuis les sources git

Nous avons structuré le code source du dépôt de manière à importer dns-formalization-maude comme dépendance (un sous-module). Nous avons créé un fork de cette dépendance afin de pouvoir suivre nos modifications apportées à celle-ci. Nous utilisons sparse-checkout pour éviter d'avoir à extraire tout le code source de la dépendance, qui inclut de nombreux fichiers non pertinents (tels que Testbed).

Pour cloner le dépôt principal

git clone [email protected]:raytheonbbn/maude-hcs.git

La branche principale contient les sources les plus récentes (potentiellement instables). Les branches/tags plus anciens tels que pwnd.cp1 désignent des instantanés stables utilisés pour produire des résultats lors des évaluations (par exemple, pwnd.cp1 utilisé pour le problème de défi 1, et de même pwnd.cp2). Pour utiliser un instantané plus ancien, faites un checkout de la branche spécifique (par ex. pwnd.cp1).

Configurez le sous-module dns en utilisant notre clone du code afin de pouvoir suivre les modifications apportées aux sources d'origine, utilisez sparse-checkout pour ne conserver que les sources pertinentes

cd maude-hcs
mkdir -p maude_hcs/deps
git submodule add -b <branch> -f [email protected]:raytheonbbn/dns-formalization-maude.git \
  maude_hcs/deps/dns_formalization
cd maude_hcs/deps/dns_formalization
git sparse-checkout init --cone
git sparse-checkout set "Maude/dns" "Maude/common" "Maude/test" "Maude/attack_exploration"
cd ../../../
git reset .gitmodules
git reset maude_hcs/deps/dns_formalization

Dans la commande ci-dessus, définissez <branch> soit sur pwnd.43.rb1 pour reproduire les résultats du problème de défi 1, soit sur pwnd pour la dernière version.

Ce qui précède devrait créer un nouveau fichier nommé sparse-checkout sous .git/modules/maude_hcs/deps/dns_formalization/info/ et lui indiquer de n'inclure que certains répertoires tels que Maude/src.

À ce stade, git status devrait afficher un état de départ propre.

Pour installer, installez d'abord la dépendance en tant que paquet appelé dns, que nous importons sous Maude.* puis installez maude_hcs en tant que paquet (avec une dépendance sur dns).

cd maude_hcs/deps/dns_formalization
pip install -e .
cd ../../../
pip install -e .

Génération automatique de modèles d'utilisateurs

Les modèles d'utilisateurs sont des modèles de Markov destinés à représenter le comportement des utilisateurs. Ceux-ci sont fournis au format json. La première étape consiste à les convertir en représentations formelles maude.

Pour ce faire, spécifiez

  • le protocole : dns ou mastodon
  • le répertoire d'entrée contenant tous les modèles json que vous souhaitez convertir
  • le répertoire de sortie qui contiendra toutes les versions maude des modèles json

Par exemple,

# convert dns tgen user models
 maude-hcs --verbose \ 
    --protocol=dns markov \
    --json-dir=../pwnd-cp2/src/static/tgen_models/dns/ \ 
    --maude-dir=./maude_hcs/lib/tgen/maude/dnsprofiles/markov/
    
# convert mastodon tgen models
maude-hcs --verbose \
    --protocol=mastodon markov \
    --json-dir=../pwnd-cp2/src/static/tgen_models/mastodon \
    --maude-dir="./maude_hcs/lib/raceboat/maude/mastodonprofiles/"

Voir les exemples de spécifications markov json sous ./maude_hcs/lib/tgen/maude/dnsprofiles/markov/ (et de même pour mastodon), ainsi que leurs spécifications maude converties.

Générer automatiquement les configurations HCS

Nous générons les configurations initiales à l'aide de la commande generate. Les configurations HCS peuvent être directement passées en json à l'aide des paramètres de configuration HCS, ou à l'aide d'un fichier de configuration d'expérience Shadow, ou à l'aide d'un fichier de configuration YML. Chacune de ces méthodes est décrite ci-après.

Utilisation de la configuration json HCS

Passez un fichier de configuration json maude-hcs comme suit,

Pour générer une configuration de modèle DNS probabiliste avec iodine et spécifier le nom du fichier de sortie,

 maude-hcs --verbose generate \
        --run-args="./use-cases/challenge-problem-2/cp2_scenarios/cp2_scenario_1-hcsconfig.json" \
        --model=prob \
        --filename="cp2_scenario_1" \
        --output-dir="./use-cases/challenge-problem-2/cp2_scenarios/"

Définissez --model=nondet pour générer une version non déterministe.

Cela produit le fichier exécutable maude (et le fichier json de configuration HCS correspondant) dans le répertoire de sortie. Le fichier de configuration json d'entrée devrait être simple à suivre. Il inclut la spécification de

  • la topologie du réseau (les liens et leurs caractéristiques)
  • l'adversaire (dans ce cas, les profils de détecteur zeek, les données de référence pour les détecteurs à moyenne mobile, et leurs configurations)
  • les canaux/protocoles : chaque protocole inclut un réseau dissimulé et un protocole réseau sous-jacent. Le premier dissimule/intègre des données dans le second. Par exemple, Iodine s'intègre dans DNS (le canal est donc appelé iodine-dns) et Destini s'intègre dans Mastodon
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.

    591
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    481
  • 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.

    389
  • 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.

    332
  • 5

    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.

    255
  • 6

    antifox

    antifox-ai/antifox

    Plateforme de test d'intrusion autonome multi-agents par IA qui exécute la reconnaissance, la découverte de la surface d'attaque, la validation de l'exploitation et la livraison de rapports étayés par des preuves.

    247

Explorer tous les outils

Parcourez notre collection d'outils

Voir tous les outils →