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।

फ़ीडसंपर्कगोपनीयता© 2026 Kitploit

टूल निर्देशिका

श्रेणियाँ

सभी श्रेणियाँ देखें
Loading categories
banrays — कैमरे वाले स्मार्ट-ग्लासेस का पता लगाने के लिए चश्मा। Ray-BANNED | Kitploit
उपकरण/GitHubGitHub/nullpxl/banrays
एम्बेडेड सिस्टम सुरक्षाOSINT (खुला स्रोत खुफिया)टोहीब्लूटूथ सुरक्षाIoT सुरक्षावायरलेस सुरक्षागोपनीयताहार्डवेयर सुरक्षापेपर और शोधलर्निंग और शिक्षा
GitHubnullpxl/banrays
3135603 महीने पहलेKitploit द्वारा समीक्षित
साझा करें

banrays

कैमरे वाले स्मार्ट-ग्लासेस का पता लगाने के लिए चश्मा। Ray-BANNED

रिपॉजिटरी देखें

Ban-Rays

कैमरे वाले स्मार्ट-ग्लासेज़ का पता लगाने के लिए चश्मा

मैं मुख्य रूप से 2 तरीकों पर प्रयोग कर रहा हूँ:

  • Optics: प्रकाश प्रतिबिंबों का उपयोग करके कैमरे को वर्गीकृत करना।
  • Networking: ब्लूटूथ और वाई-फ़ाई विश्लेषण।

अब तक, ब्लूटूथ (BLE) के आधार पर विशिष्ट डिवाइसों की फिंगरप्रिंटिंग सबसे आसान और सबसे विश्वसनीय तरीका लग रहा है। नीचे दी गई तस्वीर पहला संस्करण है, जो Meta Raybans से BLE विज्ञापन का पता चलने पर Legend of Zelda का 'secret found' जिंगल बजाता है।

मैं अनिवार्य रूप से इस README को एक लॉगबुक की तरह मान रहा हूँ, इसलिए इसमें मेरे वर्तमान तरीके/विचार होंगे।

Optics

कैमरे के लेंस पर IR भेजकर, हम इस तथ्य का लाभ उठा सकते हैं कि कैमरे में CMOS सेंसर प्रकाश को सीधे स्रोत पर वापस परावर्तित करता है (जिसे 'रेट्रो-रिफ्लेक्टिविटी' / 'कैट-आई इफेक्ट' कहा जाता है) ताकि कैमरों की पहचान की जा सके।

यह बिल्कुल नया विचार नहीं है। 2005 में कुछ शोधकर्ताओं ने इस गुण का उपयोग 'कैप्चर-रेसिस्टेंट एनवायरनमेंट' बनाने के लिए किया था, जब कैमरे वाले स्मार्टफोन लोकप्रिय हो रहे थे।

  • https://homes.cs.washington.edu/~shwetak/papers/cre.pdf

यहाँ तक कि हालिया शोध (2024) भी है जिसने पता लगाया कि उनके रेट्रो-रिफ्लेक्शन के आधार पर व्यक्तिगत कैमरों को कैसे वर्गीकृत किया जाए।

  • https://opg.optica.org/oe/fulltext.cfm?uri=oe-32-8-13836

अब हमारे पास 2005 के उन शोधकर्ताओं जैसी ही स्थिति है, जहाँ छिपे हुए कैमरों वाले स्मार्ट ग्लास अधिक लोकप्रिय होते जा रहे हैं। इसलिए मैं इनकी पहचान करने के लिए चश्मे की एक जोड़ी बनाना चाहता हूँ। दुर्भाग्य से, जहाँ तक मैं बता सकता हूँ, इस क्षेत्र के अधिकांश मौजूदा शोध एक कैमरे से डेटा रिकॉर्ड करते हैं और फिर सामान्य परावर्तक सतहों और कैमरों के बीच अंतर करने के लिए ML, बहुत सारे नियंत्रित कोण आदि का उपयोग करते हैं।

अगर मेरा समाधान अपना खुद का कैमरा उपयोग करे तो मुझे काफी बेवकूफी महसूस होगी। इसलिए मैं ऐसा करने से बचूँगा। इसके बजाय मुझे लगता है कि मुझे अपने 'sweeps' में सुसंगत रहने और सिग्नल डेटा के आधार पर एक अच्छा क्लासिफायर बनाने पर निर्भर रहना होगा। उदाहरण के लिए, आप यहाँ देख सकते हैं कि मेरे स्मार्टफोन का पिछला कैमरा तेज़ और बड़े स्पाइक्स उत्पन्न करता है, जबकि चमकदार स्क्रीन एक लंबी लहर बनाती है।

कुछ Meta Raybans का परीक्षण करने के बाद, मैंने पाया कि यह सेटअप पर्याप्त नहीं होगा। यहाँ कैमरा-क्षेत्र + लेंस के ढके होने पर उसी क्षेत्र के कुछ sweeps का परीक्षण है। आप देख सकते हैं कि तरंग पहले के परीक्षण में जो मैंने देखी थी उसके समान है (कैमरे के लिए छोटा स्पाइक, अन्यथा चौड़ा), लेकिन यह बहुत असंगत है और सिग्नल की ताकत बहुत कमज़ोर है। यह LEDs से लगभग 4 इंच की दूरी से था। 940nm और 850nm LEDs के बीच बदलने पर मुझे ज्यादा अंतर नज़र नहीं आया।

तो कम से कम वर्तमान हार्डवेयर के साथ जो मेरे लिए आसानी से सुलभ है, यह शायद सटीक रूप से अंतर करने के लिए पर्याप्त नहीं है।

मेरा एक और विचार एक निर्दिष्ट sweep 'पैटर्न' बनाना है। उपयोगकर्ता (डिटेक्टर चश्मा पहने हुए) लक्ष्य का एक विशिष्ट स्कैन पैटर्न करेगा। इस डेटा से कैप्चर की गई तरंगों का उपयोग करके, शायद हम Raybans को अधिक सटीक रूप से फिंगरप्रिंट कर सकते हैं। उदाहरण के लिए, लक्ष्य के चश्मे पर 'बाएँ, दाएँ, ऊपर, नीचे' दृष्टिकोण में स्वीप करना। मैंने Meta Raybans की तुलना कुछ aviators से करके इसका परीक्षण किया जो मेरे पास पड़े थे। मुझे लगता है कि इस दृष्टिकोण के पीछे का विचार सही है (वास्तव में यह प्रकाश है), लेकिन इसे और अधिक कार्यशाला की आवश्यकता हो सकती है।

IR Circuit

प्रोटोटाइप के लिए, मैं उपयोग कर रहा हूँ:

  • Arduino uno
  • ढेर सारे 940nm और 850nm IR LEDs
  • एक photodiode रिसीवर के रूप में
  • एक 2222A ट्रांजिस्टर

IR TODOs:

  • sweeping पैटर्न के साथ प्रयोग करें

  • spectral जानकारी पर ध्यान दें, कुछ अलग-अलग तरंग दैर्ध्य से डेटा संयोजित करने का प्रयास करें

  • collimation?

  • trevor (कैमरा वर्गीकरण पेपर के लेखक) ने नवंबर में उल्लेख किया था कि अगर ग्लासेज़ में LiDAR है तो मैं केवल उन दालों की तलाश कर सकता हूँ। ray-bans में यह नहीं लगता है, लेकिन अन्य स्मार्ट ग्लासेज़ में हो सकता है। दिसंबर में पोस्ट किया गया यह ब्लॉग इस दृष्टिकोण से iPhone कैमरों का पता लगाने पर कुछ बढ़िया शोध करता है: https://www.atredis.com/blog/2025/11/20/designing-a-passive-lidar-detection-sensor

Networking

यह मेरे विचार से अधिक मुश्किल रहा है! यहाँ मेरा वर्तमान दृष्टिकोण ब्लूटूथ लो-एनर्जी (BLE) विज्ञापनों पर Meta Raybans को फिंगरप्रिंट करना है। लेकिन, मैं केवल 1) पेयरिंग 2) पावर-ऑन के दौरान ही BLE ट्रैफ़िक का पता लगा पाया हूँ। कभी-कभी मैं केस से बाहर निकाले जाने पर (पहले से चालू होने पर) विज्ञापन भी देखता हूँ, लेकिन लगातार नहीं।

लक्ष्य उपयोग के दौरान उनका पता लगाना है जब वे पेयर किए गए फोन के साथ संचार कर रहे हों, लेकिन इस प्रकार के निर्देशित BLE ट्रैफ़िक को देखने के लिए मुझे पहले CONNECT_REQ पैकेट देखना होगा जिसमें जानकारी होती है कि संचार चैनलों के बीच किस तरह सिंक में कूदना है (hop interval, hop increment)। यह nRF52840 + ble-sniffer फर्मवेयर के साथ किया जा सकता है, लेकिन यह इस तथ्य को नकारता नहीं है कि स्निफिंग शुरू करने के लिए आपको अभी भी उस प्रारंभिक कनेक्शन को देखना होगा।

BLE के बारे में थोड़ी और पृष्ठभूमि:

  • 40 चैनलों पर संचालित होता है, जिनमें से 3 केवल विज्ञापन के लिए समर्पित हैं जबकि अन्य वास्तविक डेटा के लिए हैं।
  • आधुनिक डिवाइस (जैसे meta ray-bans) में गोपनीयता के लिए यादृच्छिक सार्वजनिक MAC पते होते हैं। भले ही IEEE कुछ MAC पते उपसर्ग (OUI, 'Organizationally Unique Identifier') निर्दिष्ट करता है, यादृच्छिकरण का मतलब है कि यह पता लगाने के लिए उपयोगी प्रतीत नहीं होता है।
  • डेटा चैनलों पर बातचीत का अनुसरण करने के लिए, आपको प्रारंभिक कनेक्शन अनुरोध पैकेट को देखना होगा जिसमें आवश्यक जानकारी होती है
  • विज्ञापन डेटा में अच्छी चीज़ें होती हैं, लेकिन जरूरी नहीं कि इसे बहुत बार भेजा जाए। जब बड़े पेलोड आकार के लिए विस्तारित विज्ञापन का उपयोग किया जाता है, तो अन्य चैनलों का उपयोग इसके लिए किया जा सकता है।
  • https://academy.nordicsemi.com/courses/bluetooth-low-energy-fundamentals/lessons/lesson-2-bluetooth-le-advertising/topic/advertisement-packet/
  • आप विज्ञापन करने वाले डिवाइसों को SCAN_REQ भेज सकते हैं और वे अपने बारे में अधिक डेटा के साथ जवाब दे सकते हैं ('active scanning')

चालू होने पर या पेयरिंग मोड में डालने पर (या कभी-कभी केस से बाहर निकालने पर), मैं विज्ञापित निर्माता डेटा और सेवा UUID के माध्यम से डिवाइस का पता लगा सकता हूँ। ये विज्ञापन डेटा के हिस्से हैं। 0x01AB एक Meta-विशिष्ट SIG-असाइन किया गया ID है (ब्लूटूथ मानक निकाय द्वारा निर्दिष्ट), और Service UUID में 0xFD5F भी Meta को निर्दिष्ट है। कोड में आप अन्य नंबर देख सकते हैं जिनका उपयोग मैं फिंगरप्रिंटिंग के लिए कर रहा हूँ।

  • https://www.bluetooth.com/wp-content/uploads/Files/Specification/HTML/Assigned_Numbers/out/en/Assigned_Numbers.pdf

किसी भी ब्लूटूथ क्लासिक (BTC) ट्रैफ़िक के लिए, दुर्भाग्य से हार्डवेयर थोड़ा अधिक जटिल (पढ़ें: महंगा) लगता है। इसलिए यदि मैं इस मार्ग पर जाना चाहता हूँ, तो मुझे शायद यहाँ एक अधिक चतुर समाधान की आवश्यकता होगी।

जब ग्लासेज़ चालू होते हैं तो कैप्चर करें:

[01:07:06] RSSI: -59 dBm
Address: XX:XX:XX:XX:XX:XX
Name: Unknown

META/LUXOTTICA DEVICE DETECTED!
  Manufacturer: Meta (0x01AB)
  Service UUID: Meta (0xFD5F) (0000fd5f-0000-1000-8000-00805f9b34fb)
टूल डाउनलोड करें

सबसे लोकप्रिय

सभी देखें →

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

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 अंतिम OSINT टूलकिट: जाँच ग्राफ़, विश्वास स्कोरिंग, उपनाम परिवार, मानचित्र, टाइमलाइन और रिपोर्ट। 49 मॉड्यूल, 400+ साइटें, किसी API कुंजी की आवश्यकता नहीं।

    696
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # घोस्टलॉक वन-टैप निष्पादन ऐप (CVE-2026-43499)

    499
  • 3

    ARTEX

    baarai/artex

    प्लानर/वर्कर एजेंट, एसेट और एक्सप्लोरेशन ग्राफ़, MITM ट्रैफ़िक रिकॉर्डिंग, और भेद्यता पुनःपरीक्षण के साथ LLM मल्टी-एजेंट स्वायत्त पेनेट्रेशन टेस्टिंग प्लेटफ़ॉर्म।

    396
  • 4

    redforge

    cybersecurity91/redforge

    ब्राउज़र-साइड रेड टीम टूलकिट, जिसमें रेकॉन, पेलोड जनरेशन, क्रेडेंशियल हमलों, क्रिप्टो, एन्कोडिंग और एंगेजमेंट रिपोर्टिंग के लिए 102 ऑफ़लाइन टूल्स हैं।

    340
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI-मूल साइबरसुरक्षा के लिए कार्रवाई की प्रणाली—जहाँ इरादा नियंत्रित निष्पादन बन जाता है, साक्ष्य परिचालन स्मृति बन जाता है, और हर ऑपरेशन अगले को बेहतर बनाता है।

    258
  • 6

    antifox

    antifox-ai/antifox

    AI मल्टी-एजेंट स्वायत्त पेनेट्रेशन टेस्टिंग प्लेटफ़ॉर्म जो रेकॉन, अटैक-सरफ़ेस डिस्कवरी, एक्सप्लॉइटेशन वैलिडेशन और साक्ष्य-आधारित रिपोर्ट डिलीवरी संचालित करता है।

    257

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →