एजेंटिक LLM-संचालित रिलेशनशिप मैपिंग के साथ AST-आधारित स्टैटिक कोड एनालाइज़र, जो AI, LLM, रोबोटिक्स, डेटा साइंस, मशीन लर्निंग और किसी भी प्रकार के Python सोर्स कोड पर Python RCE पाथ और गहरी डीसेरियलाइज़ेशन चेन खोजने के लिए है।

एक पारंपरिक स्कैनर से कहीं आगे बढ़कर, यह 120 से अधिक लाइब्रेरी और फ़ॉर्मेट—जिनमें YAML, Msgpack, CBOR, और कस्टम JSON हुक्स शामिल हैं—के ऑडिटिंग के लिए एक सामान्य, उच्च-प्रदर्शन फ्रेमवर्क प्रदान करता है, जहाँ "सुरक्षित" सीरियलाइज़ेशन में पारंपरिक विश्वास महत्वपूर्ण लॉजिक-आधारित RCE वेक्टरों को छिपाता है। इम्पोर्ट्स, एलियासेस, और जटिल डॉटेड एट्रिब्यूट्स को रिज़ॉल्व करके, यह टूल एक उच्च-निष्ठा सिग्नल एम्प्लीफायर के रूप में कार्य करता है जो आधुनिक वितरित आर्किटेक्चर और AI/ML रिपॉज़िटरी में खतरनाक कोड पाथ को प्राथमिकता देता है।
यह परियोजना एक मॉड्यूलर, बहु-चरणीय वर्कफ़्लो के माध्यम से संचालित होती है जो कच्ची डिटेक्शन से गहन तकनीकी ऑडिट तक संक्रमण करती है। प्रारंभिक उच्च-वेग SAST स्कैन के बाद, पारिस्थितिकी तंत्र निष्पादन प्रवाहों को ट्रेस करने के लिए विशेष संबंध मैपर्स और विस्तृत सुरक्षा रिपोर्ट तैयार करने के लिए रिज़ल्ट प्रोसेसर्स का लाभ उठाता है। यह व्यवस्थित दृष्टिकोण सुनिश्चित करता है कि प्रत्येक निष्कर्ष एप्लिकेशन की व्यापक आर्किटेक्चर के भीतर संदर्भित हो, उच्च-मात्रा टेलीमेट्री को कार्रवाई योग्य शोध संपत्तियों और संरचित माइलस्टोन में परिवर्तित करता है जो अवसंरचना-स्तरीय आक्रमण सतहों की मैपिंग को सरल बनाते हैं।
अपने सबसे उन्नत स्तर पर, Deserializer एक स्वायत्त AI सुरक्षा एजेंट को एकीकृत करता है (चरण 4), जिसे स्पष्ट रूप से "self-command-injection" सीमाओं को नेविगेट करने और कार्यात्मक पुनरुत्पादन गाइड संश्लेषित करने के लिए डिज़ाइन किया गया है, जो HuggingFace inference API, Local LLM (जैसे llama.cpp), या OpenAI API संगत पर आधारित है।
जैसे-जैसे परियोजना विकसित होती है, यह अमूर्त सिंटैक्स ट्री स्टैटिक विश्लेषण, संबंध मैपिंग, रिपोर्टिंग, और प्रलेखित शोध पर आधारित कार्यात्मक एक्सप्लॉइट विकास के बीच की खाई को पाटकर स्वचालित भेद्यता शोध की सीमा को परिभाषित करना जारी रखती है।
Deserializer विभिन्न बड़े पैमाने की AI, रोबोटिक्स, और डेटा साइंस परियोजनाओं और वातावरणों—जैसे Genesis World (v0.2.1), MuJoCo (v3.7.0), LeRobot (v0.5.1), Brax (v0.14.2), TensorFlow (v2.21.0), LangGraph (v1.1.6), VibeVoice (v0.0.1), Hugging Face Hub (v1.11.0), PyGlove (v0.4.5), और कई अन्य—में RCE और असुरक्षित डीसेरियलाइज़ेशन पाथ का पता लगाकर सुरक्षा शोध का सीधे समर्थन करता है।
इसकी क्षमताओं ने उद्योग-अग्रणी फ्रेमवर्क में महत्वपूर्ण भेद्यताओं की खोज को सीधे सशक्त किया है, जो जटिल MLOps और एजेंटिक AI वातावरणों के ऑडिटिंग में इसकी प्रभावशीलता को सिद्ध करता है।
यह परियोजना चार अलग-अलग चरणों में संरचित है, जिनमें से प्रत्येक विश्लेषण को उच्च-मात्रा स्वचालित टेलीमेट्री से गहन, कार्यात्मक सुरक्षा शोध की ओर स्थानांतरित करने के लिए डिज़ाइन किया गया है:
| चरण | शीर्षक | टूलिंग / इंजन | उद्देश्य |
|---|---|---|---|
| 1 | उच्च-वेग डिटेक्शन | deserializer.py (Triple-Pass) | संभावित डीसेरियलाइज़ेशन सिंक की पहचान करने के लिए बड़े पैमाने पर SAST करना। |
| 2 | संबंध मैपिंग | Result Processors / Mappers | निष्पादन प्रवाहों और घटक अन्योन्याश्रितताओं को ट्रेस करके निष्कर्षों को संदर्भित करना। |
| 3 | तकनीकी संश्लेषण | Research Documentation | निष्कर्षों को तकनीकी राइटअप में औपचारिक रूप देना, अवसंरचना-स्तरीय आक्रमण सतहों की मैपिंग करना। |
| 4 | स्वायत्त AI एजेंट | AI Security Agent | HuggingFace inference API, Local LLM (जैसे llama.cpp), या OpenAI API संगत का उपयोग करके 0-day खोज को स्वचालित करना और कार्यात्मक पुनरुत्पादन गाइड/एक्सप्लॉइट तैयार करना। |
रिपॉज़िटरी के संगठन और प्रत्येक विशेष निर्देशिका के तकनीकी उद्देश्य का उच्च-स्तरीय मानचित्र:
agent/docs/exploit_development/modules/reports/research/templates/इस स्कैनर में Python के concurrent.futures.ProcessPoolExecutor पर निर्मित एक उच्च-प्रदर्शन समानांतर निष्पादन इंजन है। इसे सभी उपलब्ध CPU कोर पर स्केल करने के लिए डिज़ाइन किया गया है (-j या --concurrency फ़्लैग के माध्यम से नियंत्रणीय), जिससे यह सेकंडों में दसियों हज़ार फ़ाइलों को स्कैन करने में सक्षम है।
ctypes के माध्यम से एक नेटिव SetConsoleCtrlHandler का उपयोग करता है कि Ctrl+C 100% उत्तरदायी हो, भारी प्रोसेसिंग के दौरान भी।ctypes के माध्यम से Virtual Terminal Processing को स्वचालित रूप से सक्षम करता है।[!WARNING] प्रदर्शन चेतावनी: अत्यधिक बड़ी या जटिल फ़ाइलों (जैसे, 1MB, 2MB, या 3MB से अधिक आकार) का विश्लेषण करते समय, गहरे AST ट्री को पार्स करते समय टूल में महत्वपूर्ण मंदता आ सकती है या यह "अटका हुआ" प्रतीत हो सकता है। यदि आप ऐसी बाधाओं का सामना करते हैं, तो स्कैन गति बनाए रखने के लिए
--timeout(धीमी फ़ाइलों को छोड़ने के लिए) और--max-size(विशाल फ़ाइलों को छोड़ने के लिए) फ़्लैग का उपयोग करने पर विचार करें।