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
उपकरण/GitHubGitHub/seclog-open/seclog
गतिशील विश्लेषण (सैंडबॉक्सिंग)नेटवर्क फोरेंसिकफोरेंसिकमशीन लर्निंगपेपर और शोधलर्निंग और शिक्षाघटना प्रतिक्रियाविसंगति का पता लगानालॉग विश्लेषण
GitHubseclog-open/seclog

SecLog

विभिन्न स्रोतों से सुरक्षा लॉग एकत्र करता है, पुनरुत्पादनीय Docker आक्रमण परिदृश्यों से, आक्रमण श्रृंखलाओं का निर्माण करता है, और LLM आक्रमण-चरण तर्क के मूल्यांकन के लिए SecLog-Bench-216 बेंचमार्क प्रदान करता है।

26413 दिन पहलेअभी तक समीक्षित नहीं
साझा करें
रिपॉजिटरी देखें

SecLog

SecLog बहु-स्रोत सुरक्षा लॉग से आक्रमण-चरण तर्क (attack-stage reasoning) पर अनुसंधान का समर्थन करता है। यह पुनरुत्पादनीय Docker आक्रमण और सामान्य-गतिविधि परिदृश्यों से लॉग एकत्र करने, साक्ष्य को आक्रमण श्रृंखलाओं में व्यवस्थित करने, लेबल किए गए डेटासेट बनाने और मॉडल पूर्वानुमानों का मूल्यांकन करने के लिए उपकरण प्रदान करता है।

इस रिलीज़ में SecLog-Bench-216 शामिल है, जो 216 साक्ष्य विंडो का एक तैयार-उपयोग बेंचमार्क है, जिसमें समीक्षित चरण लेबल और संदर्भ तर्क श्रृंखलाएँ हैं। शोधकर्ता दिए गए बेंचमार्क का सीधे उपयोग कर सकते हैं या नया डेटा उत्पन्न करने के लिए निर्माण पाइपलाइन चला सकते हैं।

पेपर: SecLog-Bench: A Scalable Benchmark for Cybersecurity Log Reasoning with Scaffolded Evidence।

Zenodo पर निर्माण संसाधन: Docker इमेज, कच्चे लॉग और संरेखण सूचकांक, और निर्मित आक्रमण श्रृंखलाएँ।

SecLog overview

चित्र 1. SecLog का अवलोकन। भाग I चरण 01–04 से मेल खाता है, भाग II 05 में एनोटेशन और समीक्षा वर्कफ़्लो से, और भाग III 05 में SecLog-Bench-216 के साथ मूल्यांकन वर्कफ़्लो से।

मुख्य विशेषताएँ

  • बहु-स्रोत लॉग संग्रह: बंडल किए गए सिमुलेशन परिदृश्यों से सिस्टम-कॉल ऑडिट लॉग, नेटवर्क ट्रैफ़िक और एप्लिकेशन लॉग कैप्चर करें।
  • आक्रमण-श्रृंखला निर्माण: एकत्रित साक्ष्य को एप्लिकेशन और ट्रैफ़िक संदर्भ के साथ एक ऑडिट बैकबोन में व्यवस्थित करें।
  • डेटासेट निर्यात और विंडो चयन: श्रृंखला उत्पादों को डेटासेट के रूप में निर्यात करें या एनोटेशन के लिए साक्ष्य विंडो चुनें।
  • एनोटेशन और समीक्षा: स्रोत-पहचानकारी जानकारी को छिपाकर प्रॉम्प्ट तैयार करें, API-आधारित एनोटेशन और समीक्षा चलाएँ, और मानव-समीक्षा UI के माध्यम से उम्मीदवारों का निरीक्षण करें।
  • बेंचमार्क मूल्यांकन: मॉडल प्रतिक्रियाओं को सामान्यीकृत करें, आक्रमण-चरण पूर्वानुमानों को स्कोर करें, और प्रलेखित मूल्यांकन प्रोटोकॉल का उपयोग करके तर्क का आकलन करें।

प्रारंभ बिंदु चुनें

आपका लक्ष्ययहाँ से शुरू करेंवातावरण
दिए गए डेटासेट को पढ़ें या पुनः उपयोग करेंSecLog-Bench-216 और डेटा उदाहरणकोई भी JSONL रीडर; वैलिडेटर के लिए Python 3.11
दिए गए बेंचमार्क पर किसी मॉडल का मूल्यांकन करेंत्वरित शुरुआतPython 3.11; बंडल किए गए इन्फ़रेंस रनर के लिए एक API एंडपॉइंट और कुंजी
नए लॉग एकत्र करें और डेटासेट या बेंचमार्क बनाएँडेटा निर्माणUbuntu Linux, Python 3.11, Poetry, Docker, और कैप्चर उपकरण

विस्तृत सिस्टम पैकेज, वैकल्पिक घटक और निर्भरता संस्करण ENVIRONMENT_DEPENDENCIES.md में सूचीबद्ध हैं।

त्वरित शुरुआत: दिए गए बेंचमार्क का मूल्यांकन करें

ये कमांड Bash का उपयोग करते हैं और प्रोजेक्ट रूट से चलते हैं। एक पृथक Python 3.11 वातावरण से शुरू करें:

python3.11 -m venv ../seclog-env
source ../seclog-env/bin/activate

नीचे दिए गए कमांड Python मानक लाइब्रेरी का उपयोग करते हैं। लॉग संग्रह, एनोटेशन, समीक्षा UI, और अतिरिक्त विश्लेषण के लिए, पर्यावरण गाइड देखें।

1. डेटासेट को मान्य करें

python 05_benchmark_annotation_review_evaluation/scripts/validate_public_benchmark.py

वैलिडेटर नमूना गणना, ID, लेबल वितरण, साक्ष्य संदर्भ और मैनिफ़ेस्ट हैश की जाँच करता है। सफल सत्यापन अपने JSON आउटपुट में validation_passed: true और sample_count: 216 की रिपोर्ट करता है।

2. एक इन्फ़रेंस कॉन्फ़िगरेशन जाँचें

your-model-name को उस मॉडल पहचानकर्ता से बदलें जो आपके प्रदाता द्वारा समर्थित है:

python 05_benchmark_annotation_review_evaluation/evaluation/run_benchmark_inference.py \
  --prompt-pack SecLog-Bench-216/data/prompt_pack.jsonl \
  --model your-model-name \
  --output ../seclog-runs/example/raw_responses.jsonl

यह कमांड mode: preflight_no_api और प्रॉम्प्ट संख्या की रिपोर्ट करता है। यह प्रदाता से संपर्क नहीं करता और न ही कोई प्रतिक्रिया फ़ाइल बनाता है, और यह यह सत्यापित नहीं करता कि प्रदाता चयनित मॉडल का समर्थन करता है।

3. मॉडल अनुमान चलाएँ

अपने शेल वातावरण में OPENAI_API_KEY सेट करें, नीचे दिए गए प्लेसहोल्डर को अपनी प्रदाता कुंजी से बदलें, फिर स्पष्ट रूप से API कॉल सक्षम करें:

export OPENAI_API_KEY="YOUR_API_KEY"
python 05_benchmark_annotation_review_evaluation/evaluation/run_benchmark_inference.py \
  --prompt-pack SecLog-Bench-216/data/prompt_pack.jsonl \
  --model your-model-name \
  --output ../seclog-runs/example/raw_responses.jsonl \
  --call-api

रनर OpenAI-संगत चैट एंडपॉइंट का उपयोग करता है। इसका डिफ़ॉल्ट बेस URL https://api.openai.com/v1 है; किसी अन्य एंडपॉइंट के लिए --base-url और किसी अन्य कुंजी-चर नाम के लिए --api-key-env पास करें। आउटपुट निर्देशिका को रिलीज़ ट्री के बाहर रखें, जैसा इस उदाहरण में है। प्रत्येक रन के लिए एक नया आउटपुट पथ उपयोग करें, या किसी मौजूदा प्रतिक्रिया फ़ाइल को जारी रखने के लिए --resume जोड़ें।

अपने स्वयं के अनुमान सिस्टम का उपयोग करने के लिए, जिनमें वे मॉडल भी शामिल हैं जो temperature, max_tokens, या JSON मोड को अस्वीकार करते हैं, SecLog-Bench-216/data/prompt_pack.jsonl और prediction format का उपयोग करें, फिर कच्चे आउटपुट को नीचे दिए गए नॉर्मलाइज़र को पास करें।

4. प्रतिक्रियाओं को सामान्यीकृत और स्कोर करें

python 05_benchmark_annotation_review_evaluation/evaluation/normalize_stage_reasoning_predictions.py \
  --input ../seclog-runs/example/raw_responses.jsonl \
  --output ../seclog-runs/example/predictions.jsonl

python 05_benchmark_annotation_review_evaluation/evaluation/evaluate_stage_reasoning_predictions.py \
  --gold SecLog-Bench-216/data/gold_labels.jsonl \
  --reference-chains SecLog-Bench-216/data/reference_reasoning_chains.jsonl \
  --model-input SecLog-Bench-216/data/evidence_windows.jsonl \
  --sample-index SecLog-Bench-216/data/sample_index.jsonl \
  --predictions ../seclog-runs/example/predictions.jsonl \
  --output-dir ../seclog-runs/example/evaluation

परिणामों में शामिल हैं:

आउटपुटसामग्री
predictions.jsonlसामान्यीकृत मॉडल पूर्वानुमान
invalid_outputs.jsonlवे प्रतिक्रियाएँ जिन्हें सफलतापूर्वक सामान्यीकृत नहीं किया जा सका
evaluation/metrics_summary.jsonसमग्र मूल्यांकन मेट्रिक्स
evaluation/per_sample_results.jsonlप्रति-नमूना परिणाम
evaluation/confusion_matrix.csvचरण-पूर्वानुमान कन्फ्यूज़न मैट्रिक्स
evaluation/per_stage_metrics.csvचरण के अनुसार मेट्रिक्स
evaluation/error_cases.jsonlत्रुटि विश्लेषण के लिए रखे गए मामले

इस मूल्यांकनकर्ता में संदर्भ/साक्ष्य ओवरलैप नैदानिक है। औपचारिक तर्क-गुणवत्ता स्कोरिंग के लिए Post-hoc reasoning quality में अतिरिक्त चेकलिस्ट और सहायक समीक्षा वर्कफ़्लो की आवश्यकता होती है।

इनपुट और आउटपुट उदाहरण

एक उदाहरण प्रॉम्प्ट और मॉडल आउटपुट दिखाएँ

उदाहरण प्रॉम्प्ट, दृश्यमान लॉग विंडो, और मॉडल आउटपुट

चित्र 2. उदाहरण। जारी की गई फ़ाइलों में, चरण लेबल लोअरकेस में हैं (उदाहरण के लिए, stage_unclosed) और साक्ष्य संदर्भ नमूना-स्थानीय edge_id मानों का उपयोग करते हैं।

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।

    614
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    476
  • 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।

    389
  • 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।

    334
  • 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।

    257
  • 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।

    247

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →