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
BotLens — अनुसंधान आर्टिफ़ैक्ट और MCP सर्वर जो बड़े पैमाने पर समीक्षा विश्लेषण, LLM लेबलिंग और 31-थीम वर्गीकरण के माध्यम से तृतीय-पक्ष Discord बॉट्स में सुरक्षा और गोपनीयता संबंधी चिंताओं का ऑडिट करता है। | Kitploit
उपकरण/GitHubGitHub/ua-spectral/botlens
भेद्यता विश्लेषणजानकारी एकत्र करनावेब सुरक्षागोपनीयतामशीन लर्निंगपेपर और शोधलर्निंग और शिक्षाक्रॉलर
GitHubua-spectral/botlens

BotLens

अनुसंधान आर्टिफ़ैक्ट और MCP सर्वर जो बड़े पैमाने पर समीक्षा विश्लेषण, LLM लेबलिंग और 31-थीम वर्गीकरण के माध्यम से तृतीय-पक्ष Discord बॉट्स में सुरक्षा और गोपनीयता संबंधी चिंताओं का ऑडिट करता है।

11318 दिन पहलेअभी तक समीक्षित नहीं
रिपॉजिटरी देखें
साझा करें

BotLens: सोशल प्लेटफ़ॉर्म पर तृतीय-पक्ष समुदाय-आधारित बॉट्स के लिए एक सुरक्षा और गोपनीयता ऑडिटिंग फ़्रेमवर्क

Paper: Kofi Ampomah and Tu Le. Measuring Users' Security and Privacy Concerns About Third-Party Community Bots on Discord. Network and Distributed System Security (NDSS) Symposium 2027. https://dx.doi.org/10.14722/ndss.2027.230535 Preprint: https://arxiv.org/abs/2610.36626

Artifact reviewers: शुरुआत ARTIFACT-EVALUATION.md से करें। यह पेपर के प्रत्येक दावे को उस सटीक कमांड से जोड़ता है जो उसे पुनः उत्पन्न करता है, अपेक्षित आउटपुट और रनटाइम की सूची देता है, और बताता है कि कौन से घटक दायरे से बाहर हैं।

अवलोकन

इस रिपॉज़िटरी में BotLens पाइपलाइन का स्रोत कोड है, जो Discord पर तृतीय-पक्ष समुदाय-आधारित बॉट्स में सुरक्षा और गोपनीयता (S&P) संबंधी चिंताओं का विश्लेषण बड़े पैमाने पर समीक्षा विश्लेषण और मेटाडेटा ऑडिटिंग के माध्यम से करता है। पाइपलाइन Top.gg से स्क्रैप किए गए 23,102 बॉट्स की 183,142 उपयोगकर्ता समीक्षाओं को संसाधित करता है, 8,832 समीक्षाओं को S&P-प्रासंगिक के रूप में पहचानता है — जो 4.82% की प्रेक्षित पाइपलाइन उपज है — और उन्हें 31-थीम वाले S&P टैक्सोनॉमी पर मैप करता है।

रिपॉज़िटरी संरचना

BotLens/
├── README.md                          # This file
├── ARTIFACT-EVALUATION.md             # Claim → command → expected output
├── LICENSE                            # See License below
├── CITATION.cff                       # How to cite (also used by Zenodo)
├── botlens-ndss-data.zip              # The data; unpack to data/ (see Data below)
├── requirements-lock.txt              # Exact versions used for the paper
├── requirements.txt                   # Looser version bounds
│
├── config/                            # Pipeline configuration
│   ├── __init__.py
│   ├── settings.py                    # Paths, model params, thresholds
│   └── taxonomy.py                    # 31-theme S&P taxonomy (single source of truth)
│
├── scrapers/                          # Data collection scripts
│   ├── topgg_metadata_scraper.py      # Bot metadata scraper (Top.gg pages)
│   ├── topgg_reviews_scraper.py       # Bot review scraper (Top.gg reviews)
│   └── discord_server_scanner.py      # Server bot scanner — OUT OF SCOPE, see below
│
├── scripts/                           # Pipeline stages + analysis
│   ├── stage0_preprocess.py           # Merge, clean, detect language, translate
│   ├── stage1_llm_labeling.py         # Binary S&P classification via Ollama
│   ├── stage1b_active_learning.py     # Active learning loop
│   ├── stage2_prepare_data.py         # Train/val/test splits with balancing
│   ├── stage3_finetune_deberta.py     # Fine-tune DeBERTa-v3-large classifier
│   ├── stage4_classify_all.py         # Classify all 183K reviews
│   ├── stage5_theme_assignment.py     # Assign 31-theme taxonomy themes
│   ├── stage6_emotion_classification.py # GoEmotions → Ekman-style groups
│   ├── stage7_analysis.py             # Sec. IV-A: SPRR, TPR, per-tag/per-bot tables
│   ├── stage8_visualizations.py       # Figs. 2–9
│   ├── rq3_permissions_metadata.py    # RQ3 (Sec. IV-D): statistics + Figs. 10–14, 18
│   ├── language_affective_analysis.py # Appendix B: Fig. 17
│   ├── experiment_labeling_pct.py     # Labeling-budget experiment (10–45%)
│   ├── create_irr_sheets.py           # Inter-rater reliability labeling sheets
│   ├── compute_kappa.py               # Cohen's kappa (Sec. III-C3)
│   ├── check_langs.py                 # Language distribution (Table IV; needs raw crawl)
│   └── prep_30pct_for_al.py           # Prepare labels for active learning
│
├── tests/
│   └── test_smoke.py                  # Fast integrity checks, no data required
│
└── mcp_server/                        # BotLens MCP server (Sec. V)
    ├── server.py                      # The six tools of Sec. V-B2 (+ internal helpers)
    ├── example_client.py              # MCP SDK client reproducing Use Cases 1 and 2
    └── benchmark_latency.py           # Sec. V-D latency session

हर आकृति जो स्क्रिप्ट लिखती हैं, उसका नाम उसके पेपर आकृति संख्या के आधार पर रखा जाता है (figures/fig02_sprr_over_time.png Fig. 2 है, और इसी तरह आगे भी)। स्क्रिप्ट पेपर में मौजूद आकृतियाँ ही उत्पन्न करती हैं: Figs. 2–14, 17 और 18। Fig. 1 पाइपलाइन योजनाबद्ध आरेख है और Figs. 15–16 BotLens रिपोर्ट UI के स्क्रीनशॉट हैं।

आर्टिफैक्ट प्राप्त करना

आर्टिफैक्ट https://github.com/ua-spectral/BotLens पर जारी किया गया है। प्रत्येक GitHub रिलीज़ को Zenodo पर DOI के साथ स्थायी रूप से संग्रहीत किया जाता है; DOI पेपर के आर्टिफैक्ट परिशिष्ट और रिपॉज़िटरी के रिलीज़ पेज पर दिया गया है।

डेटा

डेटा रिपॉज़िटरी में botlens-ndss-data.zip के रूप में शामिल है (41 MB; एक फ़ाइल खुलने पर 515 MB हो जाती है, जो GitHub की प्रति-फ़ाइल सीमा से अधिक है)। इसे एक बार, रिपॉज़िटरी रूट में अनपैक करें:

python -m zipfile -e botlens-ndss-data.zip .

यह config/ के बगल में data/ बनाता है; और कुछ भी डाउनलोड करने की आवश्यकता नहीं है। लेआउट इस प्रकार है:

BotLens/
└── data/
    ├── processed/
    │   ├── all_reviews_classified.csv    # 183,142 rows — required by the MCP server
    │   ├── privacy_reviews_full.csv      # 8,832 S&P reviews w/ themes + affect
    │   ├── bot_metadata_cleaned.csv      # 23,102 bots (Table I, MCP fallback)
    │   ├── train.csv / val.csv / test.csv
    │   └── label_map.json
    ├── results/                          # Tables behind the paper's numbers
    ├── reference_figures/                # Our output of every generated figure
    └── irr/                              # Annotator workbooks (Sec. III-C3)

data/ के अंदर से sha256sum -c SHA256SUMS.txt के साथ अखंडता सत्यापित करें। data/README.md प्रत्येक फ़ाइल का वर्णन करता है।

पाइपलाइन आर्किटेक्चर

चरणस्क्रिप्टविवरणमुख्य आउटपुट
0stage0_preprocess.pyसमीक्षाओं + मेटाडेटा का विलय, भाषा पहचान, Argos Translatedata/raw/reviews.csv
1stage1_llm_labeling.pyOllama/Llama 3 8B द्वारा बाइनरी S&P वर्गीकरणphase1_binary_labels.csv
1bstage1b_active_learning.pyअनिश्चितता नमूनाकरण + बहुमत-मत लेबलबेहतर प्रशिक्षण सेट
2stage2_prepare_data.pyविश्वास फ़िल्टरिंग, 5:1 डाउनसैंपलिंग, स्तरीकृत विभाजनtrain/val/test.csv
3stage3_finetune_deberta.pyDeBERTa-v3-large फ़ाइन-ट्यूनिंग (30% लेबलिंग पर F1 = 0.938)best_model/
4stage4_classify_all.pyसभी 183,142 समीक्षाओं पर बैच इन्फ़रेंसall_reviews_classified.csv
5stage5_theme_assignment.pyOllama 31-थीम टैक्सोनॉमी थीम असाइन करता हैprivacy_reviews_themed.csv
6stage6_emotion_classification.pyGoEmotions (RoBERTa) → 8 भाव समूहprivacy_reviews_full.csv
7stage7_analysis.pySPRR, TPR, प्रति-टैग और प्रति-बॉट SPRR, थीम के अनुसार भावdata/results/analysis_summary.json
8stage8_visualizations.pyचित्र 2–9, जिसमें चित्र 2 का OLS ट्रेंड (R² = 0.35) शामिल हैfigures/fig02_* … fig09_*

मुख्य मेट्रिक्स

  • SPRR (Security and Privacy Review Rate): उन समीक्षाओं का प्रतिशत जिन्हें हमारी पाइपलाइन ने S&P-प्रासंगिक के रूप में पहचाना और बनाए रखा। समग्र SPRR = 4.82%। यह पाइपलाइन द्वारा पहचानी गई समीक्षा दर है, सत्यापित भेद्यताओं, पुष्ट कदाचार, या बॉट-स्तरीय जोखिम का माप नहीं।
  • TPR (Theme Prevalence Rate): 31-थीम टैक्सोनॉमी में S&P समीक्षाओं का वितरण, unassigned लेबल वाली समीक्षाओं को छोड़कर।

टैक्सोनॉमी

31-थीम S&P टैक्सोनॉमी (पेपर तालिका V) में Akgul et al. (USENIX Security 2024) से विरासत में मिली 20 थीम और इस अध्ययन में आगमनात्मक रूप से विकसित 11 थीम शामिल हैं — 2 अतिरिक्त Security & Safety थीम और 9 Discord-विशिष्ट थीम। config/taxonomy.py एकमात्र सत्य-स्रोत है; stage8_visualizations.py इससे अपने समूहीकरण प्राप्त करता है।

थीम समूह 1 — डेटा प्रथाएँ (7, सभी विरासत में मिली): Data Collection, Data Sharing, Data Deletion, Remove Personally Identifiable Information, Data Exposure, Data Hiding, Location and Tracking

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।

    708
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    500
  • 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।

    398
  • 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।

    341
  • 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।

    259
  • 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 →