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
ln-upgrade-dynamics — Codice, dati aggregati e sorgente LaTeX per 'Who Patches the Lightning Network? Evidence from Release Lines in Gossip, 2023-2026' (arXiv:2610.30350) | Kitploit
Strumenti/GitHubGitHub/bitcoindatalabs/ln-upgrade-dynamics
Analisi delle VulnerabilitàScripting e AutomazioneEsfiltrazione DatiSicurezza di ReteThreat IntelligencePaper e RicercaApprendimento e Formazione
GitHub
bitcoindatalabs/ln-upgrade-dynamics

ln-upgrade-dynamics

Codice, dati aggregati e sorgente LaTeX per 'Who Patches the Lightning Network? Evidence from Release Lines in Gossip, 2023-2026' (arXiv:2610.30350)

Vedi RepositorySito web
2725 giorni faNon ancora revisionato
Condividi

Chi corregge la Lightning Network? Evidenze dalle linee di rilascio nel gossip, 2023–2026

Saurabh Kumar, Bitcoin Data Labs

Paper: arXiv:2610.30350 (HTML, PDF) · DOI 10.48550/arXiv.2610.30350 · Bitcoin Data Labs research. Si basa su Does Client Diversity Protect the Lightning Network? (arXiv:2610.20952), da cui derivano le regole di inferenza del client utilizzate qui.

Codice, dati aggregati e sorgente LaTeX per il paper. Categorie arXiv: cs.CR, cross-list cs.NI. Data di cutoff dei dati: 2026-10-13.

Sintesi

Il gossip della Lightning non trasporta alcuna versione software, quindi se gli operatori agiscano o meno sugli avvisi di sicurezza non è mai stato misurato. Il paper inferisce la linea di rilascio di ogni nodo pubblico LND, Core Lightning, Eclair e LDK dai feature bit che annuncia, confrontati con il sorgente di ogni release, e lo applica a snapshot giornalieri del gossip da maggio 2023 a ottobre 2026. La rete si aggiorna secondo i calendari di rilascio e delle piattaforme, non secondo le divulgazioni: metà dei nodi LND su una linea più vecchia si aggiorna entro 88 giorni da un rilascio; le ondate di aggiornamento più grandi sono arrivate circa un giorno dopo che l'app store di Umbrel ha distribuito una nuova versione di LND; e delle 12 divulgazioni testabili, solo quella di Core Lightning di luglio 2026 ha aumentato il tasso con cui i nodi abbandonavano le release interessate, e solo tra i nodi indietro di una linea di rilascio; l'invito di Core Lightning a riavviare i nodi offline è stato seguito soprattutto da nodi già sulla linea più recente. Due mesi dopo il batch di Lightning Labs di agosto 2026, il 71% dei nodi esposti al momento della divulgazione eseguiva ancora una release interessata.

Risultati principali

Il gossip può dire quale release software esegue un nodo Lightning? La sua linea di rilascio, sì. Confrontare i feature bit che un nodo annuncia con il sorgente di ogni release di LND, Core Lightning, Eclair e LDK lo rivela; dove i nodi Core Lightning dichiarano la propria versione, la linea inferita è esatta per 132 delle 136 coppie nodo-linea.

Quanto velocemente si aggiornano i nodi Lightning? Metà dei nodi LND si aggiorna entro 88 giorni da un rilascio. I nodi piccoli e quelli che hanno saltato delle release restano molto indietro.

Gli operatori si aggiornano in base agli avvisi di sicurezza o ai rilasci delle piattaforme? La rete si aggiorna secondo i calendari di rilascio e delle piattaforme, non secondo le divulgazioni. Le tre più grandi ondate di aggiornamento sono arrivate circa un giorno dopo che l'app store di Umbrel ha distribuito una nuova versione di LND, e da giugno 2025 il 17% degli aggiornamenti di LND è avvenuto nelle 48 ore successive a un rilascio di piattaforma, finestre che coprono il 4,4% del tempo. Delle 12 divulgazioni testabili, solo quella di Core Lightning di luglio 2026 ha accelerato gli aggiornamenti, e solo tra i nodi indietro di una linea di rilascio.

Quanti nodi restano esposti dopo una divulgazione? Due mesi dopo il batch di Lightning Labs di agosto 2026, il 71% dei nodi LND esposti al momento della divulgazione eseguiva ancora una release interessata.

Struttura del repository

  • paper/: sorgente LaTeX (main.tex, sections/, references.bib, figures/, tables/, numbers.tex), il file main.pdf compilato e uno script di build.
  • src/01_*.py … src/05_*.py: le cinque fasi della pipeline.
  • src/lnmetrics/: le regole di inferenza congelate e i dati di riferimento: regole per i client (client_fingerprint.py), la tabella delle release con i feature bit di ogni release (ln_release_features.json, letta da version_fingerprint.py), l'elenco degli avvisi con il sorgente pubblico di ogni divulgazione (advisories.py), i rilasci datati delle piattaforme (platforms.py), e il lettore del gossip e gli helper per il panel (gossip.py, panel.py).
  • data/: output JSON aggregati alla base di ogni figura, tabella e numero nel testo.
  • scripts/package_arxiv.py: costruisce il bundle di upload per arXiv.

Riprodurre i risultati

1. Dipendenze

pip install -r requirements.txt

2. Dati di input

La pipeline legge snapshot giornalieri del grafo pubblico di gossip di Lightning come file Parquet; src/lnmetrics/gossip.py documenta il layout previsto (gossip_daily/{nodes,policies,_quality.parquet}). I dati di gossip sottostanti sono pubblici; i nostri snapshot giornalieri sono disponibili su richiesta dall'autore. Indirizza la pipeline verso di essi con

export LN_PARQUET_DIR=/path/to/parquet        # default: data/parquet

3. Pipeline

Ogni fase tronca i propri input a DATA_CUTOFF (src/config.py) e scrive le proprie figure in paper/figures/, le proprie tabelle in paper/tables/ e i propri numeri in data/*.json.

python src/01_build_panel.py          # node-day panel: client, release line, liveness, fleet flag (~7 min) -> data/panel/
python src/02_validate_lines.py       # release-line validation and consistency checks                    -> Fig. 1, Table I
python src/03_upgrade_dynamics.py     # adoption, time to upgrade, hazard model, platform waves           -> Figs. 2-5, Table II
python src/04_advisory_exposure.py    # exposure per advisory, response to disclosure, robustness         -> Figs. 6-7, Tables III-V
python src/05_supporting_numbers.py   # every number quoted in the text                                    -> paper/numbers.tex

Il pannello node-day (data/panel/, circa 1,3 GB) non è incluso nel repository.

4. Paper

paper/build.ps1 (Windows, MiKTeX) esegue pdflatex → bibtex → pdflatex finché i riferimenti non si stabilizzano; build.bat lo esegue da cmd. Su altri sistemi:

cd paper && pdflatex main && bibtex main && pdflatex main && pdflatex main

python scripts/package_arxiv.py e poi scrive il bundle arXiv in dist/.

Politica sui dati

Solo aggregati: nessun elenco, classifica o etichetta dei singoli nodi per release, piattaforma o esposizione viene pubblicato, né nel paper né in data/.

Come citare

Si prega di citare il paper (il pulsante Cite this repository di GitHub fornisce la stessa voce da CITATION.cff):

@misc{kumar2026upgradedynamics,
  title         = {Who Patches the Lightning Network? Evidence from Release Lines in Gossip, 2023--2026},
  author        = {Saurabh Kumar},
  year          = {2026},
  eprint        = {2610.30350},
  archivePrefix = {arXiv},
  primaryClass  = {cs.CR},
  doi           = {10.48550/arXiv.2610.30350},
  url           = {https://arxiv.org/abs/2610.30350}
}

Licenza

MIT (vedi 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.

    732
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    506
  • 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.

    405
  • 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.

    342
  • 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.

    261
  • 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.

    259

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →