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
rag-seguridad — CyberRAG — साइबर सुरक्षा नोट्स और पुस्तकों पर 100% स्थानीय RAG (Ollama): हाइब्रिड रिट्रीवल, उद्धरणों के साथ उत्तर, चरण-वार पेंटेस्ट सहायक और रीइंडेक्स मॉनिटर। कोई भारी फ्रेमवर्क नहीं। | Kitploit
उपकरण/GitLabGitLab/rdelasierra-uy/rag-seguridad
भेद्यता विश्लेषणजानकारी एकत्र करनाCTFपेनिट्रेशन टेस्टिंगगोपनीयतामशीन लर्निंगलर्निंग और शिक्षाचयनित संसाधनAI सुरक्षालैब और अभ्यास
GitLabrdelasierra-uy/rag-seguridad
9213 दिन पहलेअभी तक समीक्षित नहीं

rag-seguridad

CyberRAG — साइबर सुरक्षा नोट्स और पुस्तकों पर 100% स्थानीय RAG (Ollama): हाइब्रिड रिट्रीवल, उद्धरणों के साथ उत्तर, चरण-वार पेंटेस्ट सहायक और रीइंडेक्स मॉनिटर। कोई भारी फ्रेमवर्क नहीं।

रिपॉजिटरी देखें
साझा करें

CyberRAG local — आपके ज्ञान पर RAG, 100% Ollama

आपके साइबरसुरक्षा नोट्स (Obsidian vault, HTB writeups, टिप्पणियाँ) को प्राकृतिक भाषा में पूछताछ करने के लिए RAG (Retrieval-Augmented Generation) प्रणाली। सब कुछ आपकी मशीन पर चलता है: embeddings और generation स्थानीय Ollama का उपयोग करते हैं, आपके नेटवर्क से कोई डेटा बाहर नहीं जाता। और langchain के बिना: प्रत्येक भाग अपना समझने योग्य कोड है।

पूर्ण तकनीकी दस्तावेज़ीकरण → docs/ARQUITECTURA.md मूल अवधारणाओं (RAG, embeddings, हाइब्रिड खोज, उचित वितरण, rerank), स्तरित आर्किटेक्चर, प्रारूप निष्कर्षण, वृद्धिशील सूचकांक, ज्ञान स्थान और कंप्यूट क्षमता को कवर करता है।

चरणों द्वारा पेंटेस्ट सहायक → docs/ASISTENTE-PENTEST.md चरण (Recon / Enumeration / Exploitation / Privesc / Post / Report) और वेक्टर (web, SMB, AD, Linux, Windows…) के अनुसार HTB मेंटर, सहायता स्तर (empuja / explica / directo) के साथ ताकि ऑटोपायलट के बिना मैन्युअल रूप से समझ सकें, और अपने पोर्ट/सेवाएँ पेस्ट करने के लिए मशीन स्थिति फ़ील्ड। अधिकृत आक्रामक कार्य + ISO 27001 रिपोर्ट के लिए डिज़ाइन किया गया।

आर्किटेक्चर रिपोर्ट (L2/शिक्षार्थी के लिए) → docs/INFORME-ARQUITECTURA.md एक ही पठन में अवलोकन: यह क्या है, अंदर से कैसे बना है और इसका उपयोग कैसे करें, साथ ही इसे 20 मिनट में सिखाने की योजना।

सर्वर रनबुक → docs/RUNBOOK-SERVIDOR.md होस्ट का संचालन: अपरिवर्तनीय नियम, नेटवर्क/फ़ायरवॉल, xRDP/faillock और GPU की रिकवरी (Xid 31)।

रीइंडेक्स मॉनिटर → web/monitor.py (ब्राउज़र में डैशबोर्ड: प्रगति, गति, ETA, GPU और मॉडल लाइव, GPU को छुए बिना)।

क्यों

  • आपकी शिक्षण-पद्धति: आप प्रत्येक भाग (वेक्टर, कोसाइन, chunking) समझते हैं — यह ब्लैक बॉक्स नहीं है।
  • गोपनीयता: आपके writeups और टिप्पणियाँ कभी क्लाउड को नहीं छूते (Gemini/OpenAI नहीं)।
  • शून्य भारी निर्भरताएँ: केवल numpy + Ollama का HTTP API।

आर्किटेक्चर

Tus documentos (.md/.txt/.log)
        │
        ▼
  ┌────────────┐   chunking con solape   ┌──────────────────┐
  │  Chunks    │ ─────────────────────▶  │  Embeddings      │
  │ (pedazos)  │                         │  nomic-embed-text│
  └────────────┘                         └────────┬─────────┘
                                                  ▼
                                           ┌──────────────┐
                                           │  Índice .npz │  (output/indice.npz)
                                           └──────┬───────┘
                          ┌───────────────────────┘
                          ▼
   Pregunta ───▶ vector ──▶ similitud coseno ──▶ top-k chunks
                                                      │
                                                      ▼
   Respuesta ◀── generación con contexto ◀───────────┘
                (qwen2.5-coder / mistral, local)

RAG के 3 भाग:

  1. इंडेक्स करना — आप हर दस्तावेज़ को ओवरलैप के साथ चंक्स में बाँटते हैं: नोट्स के लिए 512 अक्षर (ओवरलैप 50) और किताबों के लिए 3000 (ओवरलैप 600)। हर चंक को भूमिका उपसर्ग (search_document: ) के साथ वेक्टराइज़ किया जाता है जो खोज में एम्बेडिंग की गुणवत्ता बढ़ाता है।
  2. पुनःप्राप्त करना — हर चंक को 768 संख्याओं के वेक्टर के रूप में संग्रहीत किया जाता है (nomic-embed-text का एम्बेडिंग, स्थानीय)। किसी प्रश्न पर (search_query: के रूप में वेक्टराइज़्ड), आप उन चंक्स को खोजते हैं जिनमें सबसे अधिक कोसाइन समानता हो, साथ में शब्दों के शाब्दिक मिलान (हाइब्रिड खोज) का संयोजन। केवल कोसाइन तुलनात्मक प्रश्नों के लिए पर्याप्त नहीं है; शाब्दिक घटक उस सटीक चंक को बचा लेता है जहाँ शब्द हैं।
  3. उत्पन्न करना — आप top-k चंक्स को संदर्भ के रूप में स्थानीय चैट मॉडल को भेजते हैं, जो केवल उसी के आधार पर उत्तर देता है (और यदि जानकारी नहीं है तो "मेरे पास जानकारी नहीं है" कहता है)।

आवश्यकताएँ

  • Python 3.10+
  • Ollama 127.0.0.1:11434 पर चल रहा हो
  • मॉडल nomic-embed-text (setup.sh इसे स्वचालित रूप से डाउनलोड करता है)
  • स्थानीय चैट मॉडल: डिफ़ॉल्ट रूप से qwen2.5-coder:7b। यही वह मॉडल है जो सिद्धांत (ISO/किताबों का हवाला देते हुए) और प्रयोगशालाओं (HTB) के आक्रामक विषयों का इनकार किए बिना उत्तर देता है। कोड बदले बिना env var RAG_CHAT_MODEL से बदला जा सकता है (जैसे RAG_CHAT_MODEL=llama3.1:8b rag web बारीक सैद्धांतिक गद्य के लिए — हालाँकि आक्रामक सामग्री के साथ यह स्वयं को सीमित कर लेता है; mistral:latest अच्छी तरह हवाला देता है लेकिन कभी-कभी कच्चा संदर्भ चिपका देता है)।
  • pdftotext (poppler-utils) यदि आप PDFs को इंडेक्स करना चाहते हैं

इंस्टॉलेशन

./setup.sh

उपयोग

# Indexar los documentos de ejemplo en document[o]s/
python3 rag_ollama.py index

# Indexar otra carpeta (ej.: tu vault de Obsidian) — en vivo, sin copiar
python3 rag_ollama.py --docs-dir ~/vault index

# Preguntar (usá SIEMPRE el mismo --docs-dir que el index)
python3 rag_ollama.py --docs-dir ~/vault ask "¿Qué flag de hashcat crackea un hash ASREProast?"

# Chat continuo contra tu base — sin repetir el comando
python3 rag_ollama.py --docs-dir ~/vault interactive

# Estadísticas del índice
python3 rag_ollama.py stats

इस मशीन पर rag नाम का उपनाम भी है, जो ज्ञान के दो स्थान रखता है: आपके नोट्स (vault) और पुस्तकों की क्यूरेटेड लाइब्रेरी (libros)।

rag "pregunta sobre tus apuntes"     # espacio vault (default)
rag libros "pregunta sobre libros"   # espacio libros (PDFs curados)
rag --rerank "pregunta"              # con reranker local (reordena fuentes)
rag chat                             # modo interactivo (vault)
rag chat libros                      # modo interactivo (libros)
rag index                            # reindexar VAULT (incremental: rápido)
rag index libros                     # reindexar libros (tarda minutos)
rag stats                            # estado del índice del vault
rag analizar                         # dupes + solapamiento + temas (vault)
rag fuentes "término"                # en qué documentos aparece el término

दोनों स्पेस output/indices/indice_<espacio>.npz में सहेजे जाते हैं और एक-दूसरे को अधिलेखित नहीं करते।

वेब इंटरफ़ेस (शेल के बिना उपयोगकर्ताओं के लिए)

rag web        # → http://localhost:8787  (alias local en /etc/hosts)
               #   o: RAG_HOST=0.0.0.0 rag web  para exponerlo a la LAN (con UFW)

UI (शुद्ध Python stdlib सर्वर, शून्य निर्भरताएँ) प्रदान करता है:

  • टोकन-दर-टोकन स्ट्रीमिंग के साथ चैट (Server-Sent Events): प्रतिक्रिया तब दिखाई देती है जैसे ही मॉडल इसे उत्पन्न करता है, अंत में एक साथ नहीं।
  • बहु-टर्न बातचीत: चैट सत्र के पिछले प्रश्नों और उत्तरों को याद रखता है ("और उपयोगकर्ताओं के लिए, कौन सा है?" शैली के संदर्भ)।
  • स्रोत पैनल: प्रत्येक प्रतिक्रिया के लिए, उद्धृत .md/.pdf।
  • पुस्तक के वास्तविक नाम के साथ उद्धरण: तकनीकी PDFs (02-redhat-security-rh342.pdf) अपने मानवीय शीर्षक से प्रदर्शित और उद्धृत किए जाते हैं ("Red Hat RH342 — Security: सर्वर हार्डनिंग"); प्रॉम्प्ट मॉडल से प्रत्येक विचार का स्रोत उद्धृत करने के लिए कहता है।
  • स्पेस कैटलॉग: "आपके पास कौन सी किताबें हैं" या "शीर्षक सूचीबद्ध करें" जैसे प्रश्न स्पेस की पूरी सूची के साथ उत्तर देते हैं (अनुमान खर्च किए बिना)।
  • स्पेस चयनकर्ता: आप नोट्स (biblioteca), पुस्तकों (biblioteca-libros) या todo (दोनों संयुक्त, डिफ़ॉल्ट) के बीच स्विच करते हैं। todo मोड में खोज कोटा दोनों इंडेक्स के बीच वितरित करती है — बहुत अधिक चंक्स वाला स्पेस (~138k पुस्तकें) छोटे स्पेस (581 नोट्स) को कुचलता नहीं है — और प्रत्येक स्रोत अपनी उत्पत्ति के साथ लेबल किया जाता है (📚 पुस्तक / 📝 नोट)।
  • बटन से पुनः इंडेक्स करें और लाइव प्रगति बार (चैट को बंद किए बिना)।
  • "यह कहाँ दिखाई देता है…?": कौन सा दस्तावेज़ किसी शब्द को शामिल करता है इसका खोजक।
  • संरचना: web/web.py (API + static), web/index.html, web/style.css, web/app.js — सभी हॉट-एडिटेबल।
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।

    755
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    510
  • 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।

    415
  • 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।

    343
  • 5

    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।

    259
  • 6

    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

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →