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
ARTAXERXES — Framework avancé de tests de stress multi-technologies Outil pédagogique de cybersécurité pour les tests réseau haute performance | Kitploit
Outils/GitLabGitLab/toxy4ny/artaxerxes
Sécurité RéseauTests d'IntrusionApprentissage et ÉducationRed TeamingLabs et Pratique
GitLabtoxy4ny/artaxerxes

ARTAXERXES

Framework avancé de tests de stress multi-technologies Outil pédagogique de cybersécurité pour les tests réseau haute performance

Voir le dépôt
93il y a 2 moisPas 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 →
Site web
Partager

ARTAXERXES 🚀

Framework avancé de test de stress multi-technologies
Outil éducatif de cybersécurité pour les tests réseau haute performance

License Platform CUDA Performance


📋 Table des matières

  • 🎯 Vue d'ensemble
  • ⚡ Comparaison des performances
  • 🛠️ Pile technologique
  • 📊 Architecture
  • 🚀 Démarrage rapide
  • ⚙️ Installation
  • 💡 Exemples d'utilisation
  • 🔧 Configuration avancée
  • 📈 Benchmarks
  • 🧪 Configuration du laboratoire
  • 🎓 Valeur éducative
  • ⚠️ Avertissement légal

🎯 Vue d'ensemble

Xerxes-Ultimate représente la nouvelle génération d'outils de test de stress réseau, conçus spécifiquement pour les laboratoires éducatifs de cybersécurité. Bâti sur les fondations de l'outil DoS Xerxes original, cette implémentation exploite des technologies d'accélération matérielle de pointe pour atteindre des niveaux de performance sans précédent tout en conservant une transparence pédagogique.

Innovations clés

  • 🎮 Accélération multi-GPU : Exploite jusqu'à 4x GPU RTX 4070 Ti pour la génération de charges utiles
  • ⚡ E/S zéro copie : Élimine la surcharge du processeur avec io_uring et GPUDirect
  • 🌐 Réseau en espace utilisateur : Contourne les goulots d'étranglement du noyau avec DPDK
  • 🔬 Optimisation au niveau du noyau : XDP/eBPF pour des performances ultimes
  • 🧠 Intelligence adaptative : Modèles de trafic pilotés par l'apprentissage automatique
  • 📊 Analyse en temps réel : Calcul de statistiques accéléré par GPU

⚡ Comparaison des performances

Xerxes original vs Xerxes-Ultimate

MétriqueOriginal XerxesXerxes-UltimateAmélioration
Paquets/seconde~50,000 PPS60,000,000+ PPS🚀 1,200x plus rapide
Bande passante~100 Mbps60+ Gbps🔥 600x d'augmentation
Connexions simultanées~1,0001,000,000+⚡ 1,000x plus
Efficacité CPU100% d'utilisation CPU<30% d'utilisation CPU💡 Réduction de 70%
Utilisation mémoireFragmentation élevéePools optimisés🎯 90% d'efficacité
Latence~1ms<100 nanosecondes⚡ 10,000x plus rapide

Niveaux de performance```mermaid

graph LR A[Original Xerxes
50K PPS] --> B[BASIC Tier
100K PPS
2x improvement] B --> C[IO_URING Tier
1M PPS
20x improvement] C --> D[GPU Tier
10M PPS
200x improvement] D --> E[DPDK Tier
30M PPS
600x improvement] E --> F[ULTIMATE Tier
60M+ PPS
1,200x improvement]

---

## 🛠️ Pile technologique

### Technologies de base

#### 🎮 **Accélération multi-GPU CUDA**```c
// Parallel payload generation across 4 GPUs
__global__ void generate_ultimate_payloads(char *payloads, int *sizes, 
                                          int payload_count, uint64_t seed) {
    int idx = blockIdx.x * blockDim.x + threadIdx.x;
    // 512 blocks × 1024 threads × 4 GPUs = 2,097,152 parallel generators
}

Avantages :

  • 2,000,000+ générateurs de payload parallèles
  • Randomisation cryptographiquement forte
  • Zéro surcharge CPU pour la création de paquets
  • 16GB de mémoire GPU totale pour la mise en mémoire tampon

⚡ io_uring I/O zéro copie```c

// Asynchronous submission queue struct io_uring ring; io_uring_queue_init(8192, &ring, IORING_SETUP_SQPOLL);

// Direct GPU->NIC transfer without CPU copies io_uring_prep_send_zc(sqe, socket_fd, gpu_buffer, size, 0);

**Avantages :**
- **Augmentation de 400 % des performances d'E/S**
- **Transferts sans copie GPU vers NIC**
- **Élimine la surcharge de changement de contexte**
- **Passe à l'échelle jusqu'à 100 000+ opérations concurrentes**

#### 🌐 **Réseautage en espace utilisateur DPDK**```c
// Bypass kernel network stack entirely
struct rte_mbuf *pkts[BURST_SIZE];
uint16_t nb_tx = rte_eth_tx_burst(port_id, queue_id, pkts, nb_pkts);

Avantages :

  • Amélioration de 500 % du traitement des paquets
  • Accès direct au matériel
  • Latence prévisible (<100ns)
  • Performance au débit de ligne 100GbE

🔬 Programmation du noyau XDP/eBPF```c

SEC("xdp_ultimate") int xdp_stress_program(struct xdp_md *ctx) { // Kernel-level packet manipulation return XDP_TX; // Retransmit at wire speed }

**Avantages :**
- **Gain d'efficacité de 200 % par rapport à l'espace utilisateur**
- **Génération de paquets au niveau du noyau**
- **Traitement programmable des paquets**
- **Intégration avec le déchargement matériel**

---

## 📊 Architecture

### Aperçu de l'architecture système```mermaid
graph TB
    subgraph "User Space"
        A[Control Thread] --> B[Thread Pool Manager]
        B --> C[GPU Generator Threads]
        B --> D[Network Transmit Threads]
        B --> E[Statistics Monitor]
    end
    
    subgraph "GPU Cluster"
        F[RTX 4070 Ti #1<br/>2,560 cores]
        G[RTX 4070 Ti #2<br/>2,560 cores]
        H[RTX 4070 Ti #3<br/>2,560 cores]
        I[RTX 4070 Ti #4<br/>2,560 cores]
        
        F --> J[GPU Memory Pool<br/>48GB Total]
        G --> J
        H --> J
        I --> J
    end
    
    subgraph "I/O Subsystem"
        K[io_uring Ring<br/>8192 entries]
        L[DPDK PMD Drivers]
        M[Zero-Copy Buffers]
    end
    
    subgraph "Kernel Space"
        N[XDP Hook]
        O[eBPF Programs]
        P[Network Interface]
    end
    
    C --> F
    C --> G
    C --> H 
    C --> I
    
    D --> K
    D --> L
    K --> M
    L --> M
    
    M --> N
    N --> O
    O --> P
    
    P --> Q[Target Network<br/>60+ Gbps]

Architecture de la mémoire```mermaid

graph LR subgraph "GPU Memory (16GB)" A[Payload Buffers
8GB] B[Size Arrays
2GB] C[Random States
4GB] D[Working Space
2GB] end

subgraph "Host Memory (32GB)"
    E[Pinned Buffers<br/>16GB]
    F[Ring Buffers<br/>8GB]
    G[Connection Pool<br/>4GB]
    H[Statistics<br/>4GB]
end

subgraph "NIC Memory (1GB)"
    I[DMA Buffers<br/>512MB]
    J[Descriptor Rings<br/>256MB]
    K[Hardware Queues<br/>256MB]
end

A -.->|PCIe 4.0<br/>64 GB/s| E
E -.->|Zero-Copy| F
F -.->|DMA| I
---

## 🚀 Démarrage rapide

### Vérification des prérequis```bash
# Run the capability detector
./scripts/check-capabilities.sh

The input is empty — no content was provided to translate. Please supply the Markdown text for chunk 17/79.``` 🔍 Xerxes-Ultimate Capability Check

[✓] CUDA: 4 GPUs detected [✓] DPDK: Compatible NIC detected
[✓] io_uring: Kernel support available [✓] XDP/eBPF: Root privileges available

### Lancement de base```bash
# Simple unlimited attack
./artaxerxes-ultimate 192.168.1.100 80

# Controlled burst testing
./artaxerxes-ultimate 192.168.1.100 80 10M_pps

# Bandwidth-limited testing  
./artaxerxes-ultimate 192.168.1.100 80 5Gbps

# Time-limited demonstration
./artaxerxes-ultimate 192.168.1.100 80 300s

⚙️ Installation

Installation automatique```bash

Clone repository

git clone https://gitlab.com/toxy4ny/ARTAXERXES.git cd ARTAXERXES

Run quick deployment script

sudo quick-deploy.sh

### Installation manuelle

#### 1. Installer les dépendances

**Ubuntu/Debian:**```bash
# System packages
sudo apt-get update
sudo apt-get install -y build-essential cmake pkg-config \
    libnuma-dev libpcap-dev python3-pyelftools \
    libbpf-dev libelf-dev zlib1g-dev liburing-dev
Télécharger l’outil