Skip to content
KitploitKITPLOIT
StrumentiBlog
Log in
Invia
StrumentiBlog
Invia

Strumenti di Hacking, PenTest e Cybersecurity per il tuo Arsenale di Sicurezza!

Kitploit è una directory di strumenti di hacking, cybersecurity e pentesting. Scopri gli ultimi aggiornamenti dei progetti per trovare vulnerabilità, analizzare sistemi, automatizzare i test e rafforzare la tua sicurezza.

FeedContattoPrivacy© 2026 Kitploit

Directory degli strumenti

Categorie

Vedi tutte le categorie
Loading categories
Adversarial-Detection-Engineering-Framework — Un framework e una tassonomia per identificare, classificare e ragionare sui bug della logica di rilevamento nelle regole SIEM, EDR e XDR, con esempi concreti e bypass reali. | Kitploit
Strumenti/GitHubGitHub/adversarial-detection-engineering/adversarial-detection-engineering-framework
Strumenti DifensiviAnalisi delle VulnerabilitàEvasione IDS/IPSPenetration TestingThreat IntelligenceApprendimento e FormazioneRed TeamingRisposta agli IncidentiRisorse Curate
Analisi dei Log
GitHubadversarial-detection-engineering/adversarial-detection-engineering-framework

Adversarial-Detection-Engineering-Framework

Un framework e una tassonomia per identificare, classificare e ragionare sui bug della logica di rilevamento nelle regole SIEM, EDR e XDR, con esempi concreti e bypass reali.

Vedi Repository
5984920 giorni faRevisionato da Kitploit
Condividi

Framework Adversarial Detection Engineering (ADE)

Author GitHub Last Commit GitHub License

Anticipa i Falsi Negativi comprendendo come la logica di rilevamento fallisce prima che gli attori delle minacce la sfruttino.

Visita il sito web: https://adeframework.org/

Cos'è ADE?

L'Adversarial Detection Engineering (ADE) è la disciplina del ragionamento sui Falsi Negativi nelle regole di rilevamento. Il Framework ADE fornisce una formalizzazione open-source moderna dei Bug della Logica di Rilevamento - disallineamenti tra ciò che una regola di rilevamento intende rilevare e ciò che effettivamente rileva.

Il Vantaggio di ADE

Invece di attendere i Falsi Negativi nel mondo reale, gli ingegneri del rilevamento possono porsi proattivamente la domanda:

"Quali variazioni farebbero sì che la logica di rilevamento di questa regola manchi ciò che era destinata a intercettare?"

Questa linea di ragionamento avversariale rispecchia il modo in cui gli attori delle minacce possono abusare delle debolezze nella logica di rilevamento.

Caratteristiche Principali

  • ✅ Identificare bug riproducibili della logica di rilevamento e mapparli alle categorie formali ADE
  • ✅ Incorporare il modello mentale di un attaccante nel modo in cui la logica di rilevamento viene progettata e revisionata
  • ✅ Esporre le debolezze strutturali nelle regole utilizzate per le attività di hunting o negli strumenti MDR di produzione (SIEM, XDR, EDR)
  • ✅ Dotare i team di sicurezza di intelligence attuabile sui bug della logica di rilevamento
  • ✅ Anticipare i Falsi Negativi prima che gli attori delle minacce li scoprano e li sfruttino

Scopo di ADE

Lo scopo di ADE non è imporre la perfezione nella progettazione, sebbene questo sia un obiettivo ideale, ma aumentare la consapevolezza e tracciare le limitazioni, anche se intenzionali:

  • ADE non riguarda l'esigere regole di rilevamento perfette; riguarda il rendere visibile il rischio di falsi negativi.
  • Molte regole contengono intenzionalmente limitazioni dovute a scope, qualità del segnale o vincoli operativi, e queste possono comunque essere mappate ai tipi di bug ADE senza essere "sbagliate".
  • ADE fornisce un modo condiviso per documentare, accettare, mitigare o compensare tali rischi in un intero set di regole, anziché giudicare singole regole in isolamento.

Collegamento di ADE alle Detection Logic Exposures (DLE)

  • ADE fornisce una tassonomia canonica e classi di bug per i bug della logica di rilevamento.
  • DLE fornisce un elenco riconosciuto di bypass divulgati pubblicamente con mappature ADE.

Bypass In-the-Wild

  • In-the-Wild documenta attori delle minacce osservati nell'utilizzo di tecniche di bypass del rilevamento in intrusioni reali, mappate alle classi di bug ADE.
  • Questi casi sono rari. Ognuno di essi è la prova che una classe di bug ADE viene sfruttata nella pratica, non solo in teoria.

Guida Rapida

Nuovo ad ADE? Inizia qui:

  1. Introduzione - Comprendi cos'è ADE e perché è importante
  2. Concetti Fondamentali - Apprendi la terminologia di base
  3. Guida Rapida - Applica ADE alla tua prima regola di rilevamento
  4. Test di Probabilità dei Bug - Checklist rapida per valutare i bug nelle regole

Pronto per approfondire?

  • Teoria dei Bug della Logica di Rilevamento - Fondamenti formali
  • Panoramica della Tassonomia - Tutte le categorie di bug
  • Esempi - Esempi dal mondo reale
  • Bypass In-the-Wild - Attori delle minacce osservati nell'utilizzo di tecniche di bypass

Tassonomia dei Bug della Logica di Rilevamento ADE

Il framework identifica 4 categorie principali e 16 sottocategorie di bug della logica di rilevamento:

🌳 ADE1 – Reformatting in Actions
    ├─ ADE1-01 Substring Manipulation
    └─ ADE1-02 Normalization Asymmetry

🌳 ADE2 – Omit Alternatives
    ├─ ADE2-01 Method/Binary
    ├─ ADE2-02 Versioning
    ├─ ADE2-03 Locations
    └─ ADE2-04 File Types

🌳 ADE3 – Context Development
    ├─ ADE3-01 Process Cloning
    ├─ ADE3-02 Aggregation Hijacking
    ├─ ADE3-03 Timing and Scheduling
    ├─ ADE3-04 Event Fragmentation
    ├─ ADE3-05 Lineage Spoofing
    └─ ADE3-06 Limit Saturation

🌳 ADE4 – Logic Manipulation
    ├─ ADE4-01 Gate Inversion
    ├─ ADE4-02 Conjunction Inversion
    ├─ ADE4-03 Incorrect Expression
    └─ ADE4-04 Field Mismapping & Semantics

→ Esplora la tassonomia completa

Cosa fornisce il framework

1. Teoria dei bug nella logica di rilevamento

Definizioni formali e fondamenti teorici:

  • Cosa costituisce un bug nella logica di rilevamento
  • Come i bug generano falsi negativi
  • Relazione tra scope e logica di rilevamento
  • Concetto di bypass delle regole

2. Tassonomia formale dei bug

Classificazione completa con terminologia chiara:

  • 4 categorie principali
  • 16 sottocategorie dettagliate
  • Sistema di etichettatura coerente (ADE1-01, ADE2-01, ecc.)
  • Mappatura verso regole di rilevamento del mondo reale

3. Esempi reali

Esempi concreti da ruleset di produzione:

  • Regole di rilevamento Sigma
  • Analisi Microsoft Sentinel
  • Regole SIEM e EDR Elastic Security
Scarica lo strumento

Più Popolari

Vedi tutti →

Scopri gli strumenti più utilizzati dalla nostra community.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Il toolkit OSINT definitivo: grafo di indagine, punteggio di affidabilità, famiglie di alias, mappa, timeline e report. 49 moduli, oltre 400 siti, nessuna chiave API richiesta.

    696
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # App di esecuzione con un tocco GhostLock (CVE-2026-43499)

    499
  • 3

    ARTEX

    baarai/artex

    Piattaforma di penetration testing autonoma multi-agente basata su LLM con agenti planner/worker, grafi di asset e di esplorazione, registrazione del traffico MITM e retesting delle vulnerabilità.

    396
  • 4

    redforge

    cybersecurity91/redforge

    Toolkit red team lato browser con 102 strumenti offline per ricognizione, generazione di payload, attacchi alle credenziali, crittografia, codifica e reportistica dell'engagement.

    340
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Il sistema d'azione per la cybersecurity nativa AI—dove l'intento diventa esecuzione governata, le evidenze diventano memoria operativa, e ogni operazione migliora la successiva.

    258
  • 6

    antifox

    antifox-ai/antifox

    Piattaforma multi-agente di penetration testing autonoma basata sull'IA che esegue ricognizione, scoperta della superficie d'attacco, validazione dello sfruttamento e consegna di report supportati da evidenze.

    257

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →