Skip to content
KitploitKITPLOIT
OutilsBlog
Soumettre
OutilsBlog
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.

··Flux·Contact·Confidentialité·© 2026 Kitploit

Répertoire d'outils

Catégories

Voir toutes les catégories
Loading categories
CVE-2024-38063 — Simule l'attaque d'exécution de code à distance TCP/IP CVE-2024-38063, capture le trafic réseau avec TShark et entraîne un modèle d'apprentissage automatique pour détecter une activité suspecte. | Kitploit
Outils/GitHubGitHub/skac44/cve-2024-38063
Analyse des VulnérabilitésExploitationSécurité RéseauApprentissage AutomatiqueDétection d'IntrusionApprentissage et ÉducationDétection d'Anomalies
GitHubskac44/cve-2024-38063

CVE-2024-38063

Simule l'attaque d'exécution de code à distance TCP/IP CVE-2024-38063, capture le trafic réseau avec TShark et entraîne un modèle d'apprentissage automatique pour détecter une activité suspecte.

Voir le dépôt
4il y a 1 anPas encore vérifié

Populaires

Voir tout →

Découvrez les outils les plus utilisés par notre communauté.

Explorer tous les outils

Parcourez notre collection d'outils

Voir tous les outils →
Partager

CVE-2024-38063

Vulnérabilité Windows qui permet la mise en œuvre d'activités non autorisées sur le réseau : exécution à distance de code distant TCP/IP Windows.

Deux machines virtuelles - une victime et un attaquant - sont prêtes à simuler l'attaque. Sur la machine victime, un outil de capture de paquets réseau, TShark (mode ligne de commande de Wireshark), a été utilisé et les données ont été stockées au format .csv. Les étapes suivantes impliquent une autre machine virtuelle avec un algorithme d'apprentissage automatique. Les données réseau collectées sont ensuite transférées vers un environnement d'analyse où des métriques de trafic importantes telles que l'inadéquation d'en-tête, les Destination Option fields, et d'autres sont extraites. Ces caractéristiques sont utilisées pour entraîner un modèle d'apprentissage automatique capable d'identifier une activité suspecte.

Télécharger l’outil