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
raink — Usa gli LLM per il ranking dei documenti | Kitploit
Strumenti/GitHubGitHub/bishopfox/raink
Analisi delle VulnerabilitàMachine LearningSicurezza dell'IA
GitHubbishopfox/raink

raink

Usa gli LLM per il ranking dei documenti

Vedi Repository
1786391 anno faRevisionato da Kitploit
Condividi

logo
Usa gli LLM per il ranking dei documenti.

Descrizione

C'è del potere nell'AI: puoi "lanciarle un problema" e ottenere un risultato, senza nemmeno definire completamente il problema. Ad esempio, dalle un mucchio di diff di codice e un avviso di sicurezza, e chiedile: "Quale di questi diff sembra più probabile che corregga il bug di sicurezza?" Tuttavia, non è sempre così facile:

  • nondeterminismo: non risponde sempre con lo stesso risultato
  • finestra di contesto: non si possono passare tutti i dati in una volta sola, bisogna spezzarli
  • vincoli di output: a volte non restituisce tutti i dati che le avevi chiesto di esaminare
  • soggettività nella valutazione: fa molta fatica ad assegnare un punteggio numerico a un singolo elemento

Abbiamo costruito raink per aggirare questi problemi e risolvere problemi di ranking generali che altrimenti sarebbero difficili da processare per gli LLM. Consulta il nostro post del blog raink: Use LLMs for Document Ranking per ulteriori informazioni su questa tecnica, e il nostro talk Patch Perfect: Harmonizing with LLMs to Find Security Vulns per vedere come abbiamo applicato raink a problemi di sicurezza offensiva.

Per iniziare

Installazione

git clone https://github.com/bishopfox/raink
cd raink
go install

Configurazione

Imposta la variabile d'ambiente OPENAI_API_KEY.

Utilizzo

raink  -h
Usage of raink:
  -f string
    	Input file
  -p string
    	Initial prompt
  -r int
    	Number of runs (default 10)
  -s int
    	Batch size (default 10)

Confronta 100 frasi in meno di 2 minuti.

raink \
    -f testdata/sentences.txt \
    -r 10 \
    -s 10 \
    -p 'Rank each of these items according to their relevancy to the concept of "time".' |
    jq -r '.[:10] | map(.value)[]' |
    nl

   1  The train arrived exactly on time.
   2  The old clock chimed twelve times.
   3  The clock ticked steadily on the wall.
   4  The bell rang, signaling the end of class.
   5  The rooster crowed at the break of dawn.
   6  She climbed to the top of the hill to watch the sunset.
   7  He watched as the leaves fell one by one.
   8  The stars twinkled brightly in the clear night sky.
   9  He spotted a shooting star while stargazing.
  10  She opened the curtains to let in the morning light.

Appendice

Vedi anche

  • raink: Use LLMs for Document Ranking
  • Patch Perfect: Harmonizing with LLMs to Find Security Vulns
  • Large Language Models are Effective Text Rankers with Pairwise Ranking Prompting
  • Introducing Rerank 3.5: Precise AI Search

Da fare

  • parallelizzare le chiamate openai per ogni esecuzione
  • risparmiare tempo usando id hash più corti
  • assicurarsi che ogni esecuzione randomizzata sia divisa uniformemente in gruppi in modo che ciascuno venga incluso/esposto
  • consentire di specificare una directory di input (in cui ogni file è un oggetto distinto)
  • avvisare se la finestra di contesto in ingresso è molto grande
  • alcuni batch verso la fine di un'esecuzione (9?) sono piccoli per qualche motivo
  • eseguire la modalità batch di openai
  • calcolare automaticamente la dimensione ottimale del batch?
  • esplorare l'ordinamento "a torneo" rispetto all'esposizione completa ogni volta
  • aggiungere un parametro per il rapporto di raffinamento
  • aggiungere il link al blog
  • supportare modelli non OpenAI
  • aggiungere un flag booleano per la raffinazione

Licenza

Questo progetto è rilasciato sotto la MIT License.

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.

    795
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    520
  • 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.

    439
  • 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.

    346
  • 5

    looking-glass

    anonghosty/looking-glass

    Piattaforma CSIRT che importa i report di Shadowserver in MongoDB e li riproduce come mappe interattive, analisi, risultati, avvisi e dashboard executive.

    267
  • 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.

    264

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →