Skip to content
KitploitKITPLOIT
StrumentiExploitsBlog
Log in
Invia
StrumentiExploitsBlog
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
Strumenti/GitHubGitHub/anpa1200/aidebug
Analisi StaticaAnalisi Dinamica (Sandboxing)Reverse EngineeringDebuggerAnalisi MalwareAnalisi di BinariThreat IntelligenceApprendimento e FormazionePercorsi e CorsiSicurezza dell'IA
GitHubanpa1200/aidebug

AIDebug

Evidenze focalizzate sul reverse engineering di malware con ispezione approfondita di PE/.NET, ricostruzione con Ghidra, verifiche incrociate con IA, YARA e debug di ELF

Vedi RepositorySito web
16212111 giorni faNon ancora revisionato

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.

    540
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    476
  • 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.

    373
  • 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.

    322
  • 5

    estorides

    grisuno/estorides

    Aggrega in parallelo oltre 99 fonti OSINT gratuite, risolve le entità in un knowledge graph ed esporta in STIX 2.1, MISP o GraphML con analisi assistita da LLM.

    278
  • 6

    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.

    251

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →
Condividi

AIDebug

Punto di partenza per il revisore

CLI di reverse engineering orientata alle evidenze. Andrey Pautov sviluppa l'interfaccia Python per l'analista, il triage offline, la string intelligence, l'ispezione PE e i flussi di reporting. Capstone, Ghidra, GDB e i provider AI opzionali sono integrazioni, non strumenti originali realizzati da questo progetto.

Rilevanza del ruolo: Triage di malware, strumenti di reverse engineering, analisi assistita da AI sicura, sviluppo in Python.

Esegui la demo locale sicura e consulta l'ambito di validazione · Validazione locale registrata

Source v3.1.0 PyPI v3.0.0 Python 3.10–3.13 CI Publish to PyPI License: MIT Release

AIDebug è una CLI e interfaccia terminale per il reverse engineering di malware orientata alle evidenze. Combina triage offline deterministico, ispezione esadecimale dell'intero file, analisi approfondita della struttura PE, disassemblaggio Capstone, ricostruzione Ghidra, verifiche incrociate LLM opzionali, debug locale di ELF, esercizi di apprendimento compilati e reporting per la revisione dell'analista.

Versione sorgente corrente: AIDebug 3.1.0. Consulta le note di rilascio 3.1.0.

L'ultima release pubblicata immutabile resta AIDebug v3.0.0, disponibile come 1200km-aidebug, finché il tag 3.1.0 corrispondente alla versione e la release GitHub non completano il flusso di pubblicazione verificato.

Punti salienti

  • Triage statico deterministico di PE ed ELF senza richiedere un servizio AI.
  • String intelligence sull'intero file, consapevole delle occorrenze, per ASCII, UTF-8, UTF-16LE e UTF-16BE con categorie intelligenti, ranking e spiegazioni di DLL/API.
  • Visualizzatore esadecimale in sola lettura e paginato per l'intero file analizzato.
  • Esploratore approfondito della struttura PE32/PE32+ con RVA, VA e offset di file mappati.
  • Ricostruzione in stile C basata su Ghidra per una singola funzione o per l'intero insieme di funzioni delimitate.
  • Revisione opzionale fondata sulle evidenze tramite Anthropic, OpenAI, Google Gemini o un endpoint locale compatibile con Ollama.
  • Debug locale di ELF basato su GDB con breakpoint, stepping, registri, delta, contesto di disassemblaggio e candidati input/output delle funzioni.
  • Cento casi di apprendimento C autonomi con output reale del compilatore, disassemblaggio e pseudo-codice Ghidra nella GUI principale.
  • Cronologia locale delle analisi indicizzata tramite SHA-256 e ripristino compatibile dei risultati.
  • Output HTML, JSON versionato, candidati YARA, candidati ATT&CK e CFG per la revisione dell'analista.

Installazione

Pacchetto 3.0.0 pubblicato

Installa il pacchetto stabile da PyPI in questi tre passaggi:

  1. Crea e attiva l'ambiente desiderato:
python3 -m venv .venv
source .venv/bin/activate
  1. Esegui il bootstrap sicuro di pip con riconoscimento della versione in quell'ambiente. Preserva le versioni più recenti di pip e verifica l'hash del wheel bloccato quando è necessario un aggiornamento. Interrompi se fallisce; non proseguire con l'installazione del pacchetto.

  2. Installa il pacchetto stabile:

python -m pip install 1200km-aidebug==3.0.0
aidebug --version

Installa le funzionalità opzionali secondo necessità:

# LLM provider clients and local validation of AI-generated YARA candidates
python -m pip install "1200km-aidebug[ai]==3.0.0" "certifi>=2026.10.19"

# Frida dynamic instrumentation
python -m pip install "1200km-aidebug[dynamic]==3.0.0"

# All optional Python integrations
python -m pip install "1200km-aidebug[all]==3.0.0" "certifi>=2026.10.19"

Sorgente 3.1.0 revisionata

String Intelligence richiede la sorgente 3.1 finché il suo pacchetto non viene pubblicato. La revisione 3.1 fissa la revisione riportata di seguito. Il suo codice runtime corrisponde anche alla revisione main del 1° ottobre verificata 80b0b7172b592814504c405a16bf4cc0ce4161eb.

git clone https://github.com/anpa1200/AIDebug.git
cd AIDebug
git checkout cd81ef242db0bcea3296970d45c241a4228d2d27
python3 -m venv .venv
source .venv/bin/activate

Prima di installare le dipendenze, esegui il bootstrap pip sicuro e consapevole della versione in questo ambiente. Il checkout storico non include l'attuale helper di bootstrap. Interrompi se il bootstrap fallisce. Continua solo dopo che è riuscito:

python -m pip install -e .
aidebug --version

Da quel checkout, aggiungi gli extra con python -m pip install -e ".[ai]" "certifi>=2026.10.19", ".[dynamic]", oppure ".[all]" "certifi>=2026.10.19". Mantieni gli extra sullo stesso percorso di installazione: installare "1200km-aidebug[ai]==3.0.0" sopra il sorgente 3.1 può sostituirlo con il pacchetto 3.0 pubblicato.

Sviluppo

Per un checkout di sviluppo in evoluzione:

git clone https://github.com/anpa1200/AIDebug.git
cd AIDebug
python3 -m venv .venv
source .venv/bin/activate
python scripts/bootstrap_pip.py
python -m pip install -e ".[dev,dynamic]"

Ghidra, GDB, Bubblewrap, un compilatore C e i componenti target di Frida sono strumenti esterni utilizzati solo dai workflow che li richiedono.

Integrazione con REMnux

AIDebug è stato accettato in REMnux il 7 ottobre 2026 tramite PR #355, incluso per la prima volta in salt-states v2026.41.4. Lo stato accettato installa 1200km-aidebug[ai] senza pin da PyPI in /opt/aidebug, abilita gli aggiornamenti ed espone /usr/local/bin/aidebug. Come verificato l'8 ottobre 2026, PyPI fornisce ancora la 3.0.0; questo non installa il sorgente 3.1 non pubblicato né l'extra dynamic. Usa --offline per mantenere l'analisi locale. Vedi Configurazione di REMnux e limiti di versione.

Avvio rapido

Apri un campione PE o ELF nell'interfaccia principale del terminale:

aidebug --binary /path/to/sample.exe --offline

Esegui l'analisi deterministica senza l'interfaccia a schermo intero ed esporta le prove:

aidebug --binary /path/to/sample.exe \
  --offline --no-tui --report --json-export --yara \
  --out-dir reports/

Usa la ricostruzione di Ghidra:

aidebug --binary /path/to/sample.exe --offline --no-tui --decompile
aidebug --binary /path/to/sample.exe --offline --no-tui \
  --decompile-all reports/sample-reconstruction.c
Scarica lo strumento