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
recipe-blog-encoding — Cacher des informations précieuses là où on s'y attend le moins | Kitploit
Outils/GitHubGitHub/tbrockman/recipe-blog-encoding
Outils de Chiffrement/DéchiffrementStéganographieCryptographieApprentissage AutomatiqueArticles et RechercheApprentissage et Éducation
GitHubtbrockman/recipe-blog-encoding

recipe-blog-encoding

Cacher des informations précieuses là où on s'y attend le moins

Voir le dépôt
542il y a 7 moisPas encore vérifié
Partager

Open In Colab

recipe-blog-encoding

[!WARNING] Ce projet est entièrement codé à l'instinct (probablement partiellement plagié de ce dépôt) et l'auteur est un gros niais qui a juste trouvé l'idée amusante.

Utilisez les préambules de recettes optimisés pour le référencement comme véhicule pour coder des messages secrets (le prompt peut en réalité être n'importe quoi, le prompt partagé est simplement une clé que l'encodeur et le décodeur acceptent).

Cache des messages secrets dans un texte d'apparence naturelle en utilisant la stéganographie linguistique neuronale.

Comment ça fonctionne

  1. L'encodeur prend votre message secret et un prompt partagé.
  2. À chaque étape de génération, il construit une distribution de probabilité (CDF) sur les top-k tokens du modèle.
  3. Le codage arithmétique mappe les bits du message secret sur des sélections de tokens — chaque token choisi est à la fois une continuation plausible et un encodage de données cachées.
  4. Le décodeur, avec le même modèle et le même prompt, reconstruit la CDF identique à chaque étape et récupère les bits secrets à partir des choix de tokens.

Les deux côtés doivent utiliser exactement le même modèle, la même quantification, la même valeur top-k et le même prompt. Toute différence entraîne un échec du décodage.

Prérequis

  • Python 3.12+
  • uv (recommandé) ou pip
  • Un GPU NVIDIA avec support CUDA (pour l'inférence quantifiée sur 4 bits)
    • Le mode CPU est disponible via --device cpu --no-4bit mais sera nettement plus lent
  • VRAM suffisante pour le modèle choisi (~3 Go pour Llama-3.2-3B en 4 bits)

Installation

# Créez et activez un environnement virtuel, puis installez les paquets requis
python -m venv env
source env/bin/activate
pip install -r requirements.txt

# ou, avec `uv`
uv sync
uv pip install -r requirements.txt

Utilisation

[!NOTE] Définissez la variable d'environnement HF_TOKEN pour vous authentifier auprès de HuggingFace

Encoder un message secret

python main.py encode --message "attack at dawn"

Ceci utilise le prompt de préambule de recette par défaut et Llama-3.2-3B. Le texte stéganographié est affiché sur la sortie standard et sauvegardé dans stego_output.txt.

Décoder à partir du texte stéganographié

python main.py decode --stego-file stego_output.txt

Prompt et modèle personnalisés

# Encoder avec un prompt personnalisé
python main.py encode \
    --message "meet me at noon" \
    --prompt "The best thing about making scrambled eggs is: "

# Décoder (le prompt doit correspondre exactement !)
python main.py decode \
    --stego-file stego_output.txt \
    --prompt "The best thing about making scrambled eggs is: "

# Utiliser un modèle différent
python main.py encode \
    --model "mistralai/Mistral-7B-v0.3" \
    --message "secret message" \
    --prompt "Every Sunday morning my grandmother would"

Toutes les options

OptionDéfautDescription
--modelmeta-llama/Llama-3.2-3BNom/chemin du modèle HuggingFace
--prompt(préambule SEO de recette)Prompt contextuel (doit correspondre entre encodage et décodage)
--message(interactif)Message secret à encoder
--stego-textChaîne de texte stéganographié à décoder
--stego-filestego_output.txtFichier de texte stéganographié (sortie pour encode, entrée pour decode)
--top-k256Taille du vocabulaire top-k pour la CDF
--max-tokens(illimité)Nombre maximal de tokens à générer
--devicecudaPériphérique : cuda ou cpu
--no-4bitdésactivéDésactiver la quantification 4 bits (utilise fp16 ; nécessite plus de VRAM)
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.

    576
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    477
  • 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.

    388
  • 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.

    330
  • 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 →