Skip to content
KitploitKITPLOIT
उपकरणएक्सप्लॉइटब्लॉग
Log in
जमा करें
उपकरणएक्सप्लॉइटब्लॉग
जमा करें

हैकिंग, पेनटेस्ट और साइबर सुरक्षा उपकरण आपके सुरक्षा शस्त्रागार के लिए!

Kitploit हैकिंग, साइबर सुरक्षा और पेंटेस्टिंग टूल्स की एक निर्देशिका है। कमजोरियों को खोजने, सिस्टम का विश्लेषण करने, परीक्षण को स्वचालित करने और अपनी सुरक्षा को मजबूत करने के लिए नवीनतम प्रोजेक्ट अपडेट खोजें।

··फ़ीड·संपर्क·गोपनीयता·© 2026 Kitploit

टूल निर्देशिका

श्रेणियाँ

सभी श्रेणियाँ देखें
Loading categories
scan — 0-day मैलवेयर डिटेक्शन बाइनरीज़, सोर्स और स्क्रिप्ट्स के लिए (जो बेकार नहीं है) | Kitploit
उपकरण/GitHubGitHub/atomdrift-project/scan
रक्षात्मक उपकरणस्थैतिक विश्लेषणभेद्यता स्कैनरकोड विश्लेषणगतिशील कोड विश्लेषण (DAST)रिवर्स इंजीनियरिंगमालवेयर विश्लेषणबाइनरी विश्लेषणखतरा खुफियाआपूर्ति श्रृंखला सुरक्षामशीन लर्निंगघटना प्रतिक्रिया
51271 दिन पहलेKitploit द्वारा समीक्षित

सबसे लोकप्रिय

सभी देखें →

हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →
GitHubatomdrift-project/scan

scan

0-day मैलवेयर डिटेक्शन बाइनरीज़, सोर्स और स्क्रिप्ट्स के लिए (जो बेकार नहीं है)

रिपॉजिटरी देखेंवेबसाइट
साझा करें

Atomdrift Scan

Latest release License

Atomdrift Scan एक आधुनिक ML-आधारित मैलवेयर स्कैनर है जिसे सॉफ़्टवेयर सप्लाई-चेन के विरुद्ध 0-day हमलों का पता लगाने के लिए डिज़ाइन किया गया है।

यह deterministic, तेज़ और लचीला होने के लिए डिज़ाइन किया गया है, और आपके द्वारा सोचे गए किसी भी workflow या security tool में embed किया जा सकता है, तथा फ़ाइलों, archives, URLs, PURLs, या processes के विरुद्ध काम कर सकता है।

सितंबर 2026 तक, Atomdrift Scan की 98% 0-day detection rate है, जो किसी भी अन्य स्कैनर—commercial या open—से +34% आगे है।

Atomdrift Scan terminal output

Atomdrift इतने शानदार परिणाम कैसे प्राप्त करता है? सबसे पहले, यह किसी भी अन्य स्कैनर से अधिक क्षेत्र को कवर करता है:

  • 100+ समर्थित फ़ाइल फ़ॉर्मेट: C source से लेकर ELF से PDF तक
  • 125,000+ detection rules जो AIX से iOS से Windows तक हर प्लेटफ़ॉर्म पर मैलवेयर को कवर करते हैं
  • 15,000,000+ hashes ज्ञात good/badware के लिए
  • tree-sitter का उपयोग करते हुए एकीकृत AST विश्लेषण
  • rizin के माध्यम से स्वचालित binary reverse engineering

सबसे महत्वपूर्ण बात, नए samples, blogs, और तकनीकी लेखों के विरुद्ध reinforcement learning का उपयोग करके rules को लगातार ताज़ा किया जाता है, जिसके परिणामस्वरूप प्रतिदिन ~1000 updated rules मिलते हैं।

Install

यदि आप UNIX-शैली के host (macOS, Linux, BSD, Solaris, illumos, Android) पर हैं:

root@kitploit:~
curl -fsSL https://install.atomdrift.org/scan.sh | sh

यदि आप Windows पर हैं:

root@kitploit:~
irm https://install.atomdrift.org/scan.ps1 | iex

या, यदि आपके पास Rust इंस्टॉल है और आप इसे source से बनाना चाहते हैं:

root@kitploit:~
make install

यदि गहरे binary विश्लेषण की आवश्यकता है, तो आपको 7-Zip, rizin, upx, और innoextract भी इंस्टॉल करना चाहिए।

Windows पर, winget का उपयोग करते हुए:

root@kitploit:~
winget install --exact --id 7zip.7zip
winget install --exact --id Rizin.Rizin
winget install --exact --id UPX.UPX
winget install --exact --id dscharrer.innoextract

Unix-जैसे सिस्टम पर, p7zip के बजाय upstream 7-Zip इंस्टॉल करें (brew install sevenzip, apt install 7zip) — इसका 7z APFS नहीं पढ़ सकता, इसलिए .dmg की सामग्री स्कैन नहीं होती।

Usage

root@kitploit:~
# Scan a file, directory, or archive recusively:
atomscan ./project
atomscan release.tgz

# Fetch a package from its registry and scan it.
atomscan purl npm/[email protected]

# Fetch and scan a URL.
atomscan url https://example.com/download

# EXPERIMENTAL: Scan running process executables, or triage the wider host
atomscan ps
atomscan sys

# JSON output for programmatic access
atomscan -f json ./project

Exit codes CI एकीकरण को सरल बनाते हैं:

  • 0: सभी samples benign हैं
  • 1: hostile sample का पता चला
  • 2: suspicious sample का पता चला
  • 3: विश्लेषण त्रुटि
  • 4: rule set अधूरा था — स्कैन trait set द्वारा परिभाषित से कम rules के साथ चला, इसलिए hostile से कम कुछ भी कुछ सिद्ध नहीं करता। इसे फिर से चलाएँ।

How it works

Diagram

  1. stng सामग्री निकालता है, भले ही obfuscated हो
  2. cleave containers को unpack करता है और capabilities निकालता है
  3. रिपोर्ट को एक standardized feature vector में परिवर्तित किया जाता है, जो फ़ाइल प्रकारों में standardized है।
  4. azoth LightGBM model ensembles sample को स्कोर करते हैं।

Networking and privacy

atomscan कभी भी telemetry data नहीं भेजेगा। हालाँकि यह 2 कारणों से Internet तक पहुँचेगा:

  • rule updates: हर 24h, --no-update या SCAN_NO_UPDATE_CHECK=1 का उपयोग करके अक्षम किया जा सकता है
  • following discovered references: यह पता लगाने के लिए कि कोई benign package किसी compromised payload पर निर्भर है या उसे डाउनलोड करता है। केवल अनुरोधित artifact का विश्लेषण करने के लिए --follow=none सेट करें।

Tune the false-positive level

अन्य malware scanners के विपरीत, Atomdrift आपको -l flag का उपयोग करके स्वीकार्य false-positive स्तर के संदर्भ में sensitivity समायोजित करने की अनुमति देता है:

  • -l0: tight, confidence cutoff को उस बिंदु पर सेट करता है जहाँ कोई false-positives नहीं देखे गए हैं।
  • -l25: default shipping point: प्रति 100 million files पर 25 false-positives।
  • -l1000: loose, लगभग प्रति 100,000 files पर 1 false positive।

NOTE: उन फ़ाइल फ़ॉर्मेट के लिए जहाँ हमारे पास 100 million samples नहीं हैं, देखी गई false-positive दर अनुरोधित स्तर से 5-6X तक अधिक हो सकती है। YMMV.

Raw --threshold-hostile और --threshold-suspicious overrides उन उपयोगकर्ताओं के लिए उपलब्ध हैं जो सीधे probability thresholds को micromanage करना चाहते हैं, लेकिन ये संख्याएँ स्थिर होने की गारंटी नहीं हैं, और इन flags को -l के साथ संयोजित नहीं किया जा सकता।

Optional local LLM (interpretation)

अतिरिक्त व्याख्या के लिए, उपयोगकर्ता --llm flag के माध्यम से एक LLM तक पहुँच प्रदान कर सकते हैं। यह flag दो उद्देश्यों की पूर्ति करता है:

  • परिणामों की large-language model पाठ व्याख्या प्रदान करता है
  • ML model के साथ सहमति/असहमति के आधार पर edge cases को steer करता है ( p से 33%)

डिफ़ॉल्ट रूप से, atomscan व्याख्या किए गए साक्ष्य (मूल फ़ाइल नहीं) को http://localhost:8000/v1 पर भेजता है - जिसका उपयोग Ollama या vLLM जैसी local service के साथ किया जाता है; लेकिन इसे Claude, ChatGPT, या DeepSeek जैसी remote service का उपयोग करने के लिए भी सेटअप किया जा सकता है।

कोई model hardcoded नहीं है: जब तक आप --llm-model पास नहीं करते, atomscan endpoint से पूछता है कि यह कौन से models serve करता है और जो सबसे बड़ा सूचीबद्ध है उसका उपयोग करता है। हम Qwen/Qwen3.8-27B serve करने की सलाह देते हैं।

यदि endpoint को bearer token की आवश्यकता है, तो इसे ~/.tok/llm (mode 0600) में रखें और atomscan इसे स्वचालित रूप से भेजता है; --llm-key और SCAN_LLM_KEY उस फ़ाइल को override करते हैं।

--llm एक comma-separated failover chain भी लेता है, जिसे क्रम में आज़माया जाता है — --llm 'https://llm.isotope13.ai/v1,openrouter' आपके अपने endpoint पर grade करता है और केवल तब billed वाले तक पहुँचता है जब यह उत्तर नहीं दे सकता।

root@kitploit:~
atomscan --llm ./project
atomscan --llm http://model-host:8000/v1 --llm-model my-model ./project
atomscan --llm openrouter --llm-model qwen/qwen3.8-27b ./project

--llm openrouter https://openrouter.ai/api/v1 से बात करता है। Key --llm-key, SCAN_LLM_KEY, या ~/.tok/openrouter (पहली non-empty line) से आती है। --llm-model छोड़े जाने पर डिफ़ॉल्ट रूप से openrouter/auto (OpenRouter का अपना auto-router) होता है — शेष catalog स्वतः चयनित नहीं होता।

Linux make deploy समान नाम स्वीकार करता है: LLM=openrouter (या LLM_URL=openrouter), और LLM_MODEL=qwen/qwen3.8-27b केवल openrouter/auto के बजाय model pin करने के लिए। Unit operator home (ProtectHome=true) नहीं पढ़ सकता, इसलिए deploy script ~/.tok/openrouter को service state dir में कॉपी करता है।

Coverage

स्कैनर 100 से अधिक फ़ाइल और container प्रकारों को पहचानता है। प्रतिनिधि कवरेज में शामिल हैं:

CategoryFormats
Binaries and bytecodeMach-O, ELF, PE, WebAssembly, Android DEX, Java .class, Python .pyc, BEAM
SourcePython, JavaScript, TypeScript, Go, Rust, Java, C, C++, C#, Ruby, PHP, Perl, Lua, Swift, Objective-C, Kotlin, Scala, Groovy, Zig, Elixir, Clojure, Shell, PowerShell, Batch, VBScript, AppleScript, JCL
Build, manifest, and lock filespackage.json, package-lock.json, Cargo.toml, Cargo.lock, pyproject.toml, requirements.txt, Poetry, Pipenv, Composer, Yarn, pnpm, Go modules, binding.gyp, GitHub Actions, systemd units, Makefile, Dockerfile
Archives and disk imagesZIP, TAR, gzip, bzip2, XZ, zstd, 7-Zip, RAR, CAB, ASAR, DMG, ISO
Packages and containersdeb, rpm, APK, npm, wheel, egg, sdist, gem, crate, conda, NuGet, IPA, CRX, XPI, VSIX, OCI/Docker images, FreeBSD, Arch, Void, and Gentoo packages
Documents and dataOLE2, OOXML, OpenDocument, PDF, RTF, Markdown, HTML, XML, SVG, plist, JPEG, PNG, LNK, CHM, Python pickle

Rule set में Linux, macOS, Windows, Android, iOS, BSDs, AIX, Solaris, QNX, z/OS, ESXi, OpenWrt, VxWorks, RouterOS, FortiOS, PAN-OS, IOS-XE, Junos, NetScaler, और Ivanti appliances के लिए platform-specific behaviors शामिल हैं।

डिफ़ॉल्ट build matrix कई CPU architectures में Linux, macOS, FreeBSD, OpenBSD, NetBSD, illumos, Solaris, और Windows को कवर करता है। Test की गहराई target के अनुसार भिन्न होती है; वर्तमान matrix के लिए build workflow देखें।

Documentation

  • Integration guide — CLI, server, worker, exit codes, और deployment विकल्प
  • JSON report schema — machine-readable output fields
  • Server API — long-running HTTP service
  • Workers — hopper के साथ distributed scanning
  • Dependency behavior — fetched dependency graph और provenance

Related projects

  • cleave — capability extraction और static analysis
  • azoth — model weights, thresholds, और feature specification
  • hopper — distributed work queue
  • Atomdrift Lab — free sample analysis

License

Atomdrift Scan Apache License 2.0 के अंतर्गत उपलब्ध है।

सभी योगदान स्वागत योग्य हैं!

टूल डाउनलोड करें