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
IoMT_SecAlarmBench — इंटरनेट ऑफ मेडिकल थिंग्स (IoMT) में सुरक्षा अलार्म प्रणालियों के मूल्यांकन के लिए एक मानकीकृत बेंचमार्क - हमले, पहचान, झूठे-अलार्म लचीलापन और विलंबता। | Kitploit
उपकरण/GitHubGitHub/techosystem/iomt_secalarmbench
रक्षात्मक उपकरणIoT सुरक्षाहार्डवेयर और IoT सुरक्षामशीन लर्निंगघुसपैठ का पता लगानापेपर और शोधविसंगति का पता लगानालैब और अभ्यास
साझा करें
GitHub
techosystem/iomt_secalarmbench

IoMT_SecAlarmBench

इंटरनेट ऑफ मेडिकल थिंग्स (IoMT) में सुरक्षा अलार्म प्रणालियों के मूल्यांकन के लिए एक मानकीकृत बेंचमार्क - हमले, पहचान, झूठे-अलार्म लचीलापन और विलंबता।

रिपॉजिटरी देखें
2 महीने पहलेअभी तक समीक्षित नहीं

IoMT-SecAlarmBench

इंटरनेट ऑफ मेडिकल थिंग्स में इंटीग्रिटी हमलों के लिए एक काउंटरफैक्चुअल बेंचमार्क।

"IoMT-SecAlarmBench: A Counterfactual Benchmark for Integrity Attacks in IoMT" के लिए सहयोगी कोड।

जब किसी ICU अलार्म की ट्रिगर होती है, तो एक विसंगति डिटेक्टर आपको बता सकता है कि रीडिंग असामान्य है। यह आपको यह नहीं बता सकता कि क्यों — वास्तविक गिरावट, सेंसर खराबी, या एक स्पूफ़्ड माप जो शारीरिक सीमा के भीतर बैठता है। इसका उत्तर देने के लिए काउंटरफैक्चुअल ग्राउंड ट्रुथ की आवश्यकता होती है: यदि नेटवर्क स्वस्थ रहता तो अलार्म क्या करता। कोई भी प्राकृतिक रूप से एकत्रित रिकॉर्डिंग इसे नहीं रखती, क्योंकि आप एक ही घटना के दोनों परिणामों को कभी नहीं देखते।

यह बेंचमार्क इसे निर्माण द्वारा प्रदान करता है। नियंत्रित इंटीग्रिटी हमलों को वास्तविक युग्मित ECG+PPG रिकॉर्डिंग में इंजेक्ट किया जाता है, और प्रत्येक हमला किए गए विंडो के लिए वह स्वच्छ सिग्नल जो देखा गया होता, उसे बनाए रखा जाता है।


एक नज़र में

विंडो78,729 लेबल किए गए 10 s विंडो, 5 s स्ट्राइड, 125 Hz पर 2-चैनल ECG+PPG
क्लासेस39,882 हमला · 32,875 फिज़ियोलॉजी-सामान्य · 5,350 फॉल्ट/आर्टिफैक्ट · 622 फिज़ियोलॉजी-इवेंट
स्पाइन627 CinC 2015 रिकॉर्ड जिनमें ECG+PPG कोर जोड़ी है (231 सत्य / 396 झूठे अलार्म)
इंजेक्शन स्पेस{replay} ∪ (4 मॉर्फोलॉजी × 4 गंभीरता स्तर × 2 विश्वसनीयता व्यवस्थाएँ)
स्प्लिट्सरोगी-वार 436 / 91 / 100, अतालता प्रकार द्वारा स्तरीकृत
काउंटरफैक्चुअलप्रत्येक हमला किए गए विंडो के लिए सटीक स्वच्छ पूर्व-इंजेक्शन सिग्नल बनाए रखा गया

मुख्य परिणाम। पाँच विधि परिवारों में से कोई भी डिटेक्टर प्रदर्शन सीमा को लगातार पार नहीं करता: रीप्ले हमले और कम-आयाम वाले क्षणिक स्पाइक्स सभी छह बेसलाइनों के लिए 1.2–1.7× संयोग स्तर पर बैठते हैं। कठिन मामलों पर सबसे मजबूत डिटेक्टर सामान्य डेटा पर अपनी स्वयं की झूठी-अलार्म दर के 5.3× पर फॉल्ट/आर्टिफैक्ट विंडो को फ्लैग करता है — हमला-बनाम-फॉल्ट अस्पष्टता, एक विशिष्ट, मापने योग्य सिग्नल संबंध तक स्थानीयकृत।


इंस्टॉल

git clone https://github.com/techosystem/IoMT-SecAlarmBench.git
cd IoMT-SecAlarmBench
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

PyTorch को रिपोर्ट किए गए रनों के लिए उपयोग किए गए CUDA 12.8 बिल्ड पर पिन किया गया है; index URL के लिए docs/REPRODUCE.md देखें। क्लासिकल बेसलाइन (Isolation Forest), जनरेटर, और leakage audit PyTorch के बिना CPU पर चलते हैं।

डेटा प्राप्त करें

यहाँ कुछ भी पुनर्वितरित नहीं किया गया है (LICENSE-DATA.md देखें)। स्रोत प्राप्त करें:

bash scripts/get_data.sh          # downloads CinC 2015 into data/cinc2015/

WUSTL-EHMS-2020 को इसके लेखकों से अनुरोध करके प्राप्त करना होगा और इसे data/wustl/wustl-ehms-2020.csv पर रखना होगा।

बेंचमार्क बनाएँ

python src/injection_generator.py --config configs/benchmark.yaml --out data/benchmark/

निर्धारित seed के अंतर्गत नियतात्मक। 78,729 विंडो अपेक्षित हैं; जनरेटर क्लास हिस्टोग्राम प्रिंट करता है ताकि आप इसे ऊपर दी गई तालिका से मिला सकें।

पेपर का पुनरुत्पादन करें

python scripts/run_all.py --config configs/benchmark.yaml --seeds 0 1 2 3 4 --deterministic

यह results/ के अंतर्गत एक टाइमस्टैम्प वाली डायरेक्टरी लिखता है जिसमें एक manifest.json होता है जो कॉन्फ़िगरेशन, पैकेज संस्करणों, GPU, और प्रत्येक स्रोत मॉड्यूल के MD5 को रिकॉर्ड करता है — जिसमें Table I के severity constants भी शामिल हैं। रिपोर्ट किए गए रन 20260730-205501 (Table III) और 20260730-222727 (Table IV) हैं। प्रति-घटक प्रवेश बिंदु:

Paper sectionCommand
RQ1 detection (Table III)python src/rq1_report.py
RQ2 stealthiness (Table IV)python src/eval_harness.py --matched-far 0.10
RQ3 discrimination (Table V)python src/rq3_discrimination.py
RQ4 efficiencypython src/eval_harness.py --profile
Leakage auditpython src/wustl_leakage.py
Attribution (deferred; see §VIII)python src/rq2_attribution_v3.py
Figuresmake figures

संख्याओं की तुलना करने से पहले docs/REPRODUCE.md पढ़ें। दो नियम वैकल्पिक नहीं हैं: डिटेक्टरों की तुलना threshold-free रूप में या एक matched false-alarm बजट पर करें, कभी भी प्रत्येक विधि के अपने max-F₁ बिंदु पर नहीं (यह seeds के बीच ±0.234 तक बदलता है जबकि threshold-free AUPRC ≤0.013 तक बदलता है), और AUPRC को उसके chance floor के सापेक्ष रिपोर्ट करें, जो प्रत्येक सबसेट के लिए भिन्न होता है।

Layout

src/          generator, adapters, detectors, evaluation  (flat imports; run from repo root)
scripts/      get_data.sh, run_all.py
configs/      benchmark.yaml, detectors.yaml
figures/      figure generation scripts
docs/         REPRODUCE.md
tests/        smoke tests
results/      run outputs (gitignored except manifest.json)
DATASHEET.md  full datasheet, following Gebru et al.

ज्ञात समस्याएँ

खुलकर दर्ज की गईं, और पेपर में चर्चा की गईं:

  • एकल-लक्ष्य इंजेक्शन। इस रिलीज़ में सभी हमले स्पंदनशील चैनल को लक्षित करते हैं, इसलिए चैनल-स्तरीय स्थानीयकरण अपक्षयी है — एक भविष्यवक्ता जो हमेशा "PPG" उत्तर देता है, AC@1 = 1.000 स्कोर करता है। इस कारण से कोई एट्रिब्यूशन बेसलाइन रिपोर्ट नहीं की गई है। अपक्षयी-रहित एट्रिब्यूशन के लिए आवश्यक है कि लक्ष्य चैनलों में भिन्न हो।
  • गंभीरता संतृप्ति। 16 में से 6 निर्मित सेलों में निर्धारित परिमाण विश्वसनीयता सीमा तक पहुँच जाता है, इसलिए इन-बाउंड FDI क्लिप हो जाता है और L3–L4 आनुपातिक के बजाय क्रमसूचक होते हैं।
  • अलार्म-स्तरीय प्रतितथ्यात्मक ऑरेकल निर्दिष्ट है लेकिन कार्यान्वित नहीं है।
  • एकल कॉर्पस। सभी शारीरिक परिणाम CinC के 5–5.5 मिनट अलार्म-केंद्रित रिकॉर्ड से आते हैं।

उद्धरण

CITATION.cff देखें, और स्रोत कॉर्पस को भी उद्धृत करें।

नैदानिक उपयोग के लिए नहीं

डिटेक्शन, विभेदन, एट्रिब्यूशन और लीकेज ऑडिटिंग के बेंचमार्किंग के लिए अनुशंसित। नैदानिक परिनियोजन निर्णयों के लिए नहीं, और संभाव्य सत्यापन के बिना अलार्म सिस्टम के प्रशिक्षण के लिए नहीं।

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 →