
Una lista curata di materiali e risorse sulla sicurezza dell'IA per Pentester, Bug Hunter e Ricercatori di Sicurezza.
# `awesome-ai-security`[](https://awesome.re) [](https://github.com/gmh5225/awesome-ai-security/blob/main/LICENSE) Un elenco curato di materiali e risorse sulla Sicurezza dell'IA per Pentester, Bug Hunter e Ricercatori di Sicurezza. ``` If you find that some links are not working, you can simply replace the username with gmh5225. Or you can send an issue for me. ``` > Rispettate tutti i progetti elencati di seguito, vere e proprie opere d'arte :saluting_face: ## Come contribuire? - https://github.com/HyunCafe/contribute-practice - https://docs.github.com/en/get-started/quickstart/contributing-to-projects ## Skills per agenti AI Questo repository fornisce skills utilizzabili con agenti AI e assistenti di programmazione come [Cursor](https://www.cursor.com/), [OpenClaw](https://docs.openclaw.ai/), [Claude Code](https://docs.anthropic.com/en/docs/claude-code), [Codex CLI](https://github.com/openai/codex) e altri strumenti compatibili. Installa le skills per ottenere conoscenze specialistiche sui temi della sicurezza dei giochi. - https://github.com/vercel-labs/skills [The open agent skills tool - npx skills] **[Visualizza su learn-skills.dev](https://learn-skills.dev/skills/gmh5225/awesome-ai-security)** **Installazione:** ```bash npx skills add https://github.com/gmh5225/awesome-ai-security --skill <skill-name> ``` **Competenze disponibili:** | Competenza | Descrizione | |-------|-------------| | `adversarial-machine-learning` | Machine learning avversariale: esempi avversariali, avvelenamento dei dati, backdoor dei modelli e attacchi di evasione | | `ai-powered-pentesting` | Strumenti di penetration testing basati sull'IA, framework di red teaming e agenti di sicurezza autonomi | | `llm-attacks-security` | Attacchi alla sicurezza dei LLM: prompt injection, jailbreaking ed estrazione di dati | | `awesome-ai-security-overview` | Panoramica di questo repository e linee guida per i contributi | | `ai-security-tooling` | Strumenti di sicurezza per l'IA: rilevatori, analizzatori, guardrail e benchmark | **Esempio:** ```bash # Install LLM attacks skill npx skills add https://github.com/gmh5225/awesome-ai-security --skill llm-attacks-security # Install multiple skills npx skills add https://github.com/gmh5225/awesome-ai-security --skill adversarial-machine-learning npx skills add https://github.com/gmh5225/awesome-ai-security --skill ai-powered-pentesting ``` ## AI Security Starter Pack - **CTF / Esercitazioni** - https://github.com/verialabs/ctf-agent [ctf-agent - risolutore autonomo di CTFd: LLM coordinatore + swarm di modelli paralleli in Docker; 1° posto BSidesSF 2026] - https://aivillage.org/ [AI Village @ DEF CON - Sfide di LLM Jailbreak] - https://doublespeak.chat/#/handbook [Doublespeak - Sfide di Sicurezza AI] - https://github.com/EasyJailbreak/EasyJailbreak [Framework per prompt di jailbreak avversariali] - https://github.com/microsoft/AI-Red-Teaming-Playground-Labs [Microsoft AI Red Teaming Playground Labs] - https://github.com/schwartz1375/genai-security-training [Formazione sul Red Teaming GenAI] - **Blog / Risorse** - https://genai.owasp.org/ [OWASP GenAI Security Project] - https://llm-stats.com [Classifica LLM] - https://www.aidaily.win [Notizie AI quotidiane] - https://baoyu.io/blog/how-to-write-good-prompt [Come scrivere buoni prompt] - https://rootissh.in/ [Blog della serie sul Pentesting LLM] - https://github.com/Abdowaer098/Wa3r-OffSec-Kit [Wa3r OffSec Kit - knowledge base di sicurezza offensiva con workflow pratici, pattern di payload, casi di studio e note di forense] - **Newsletter / Raccolte** - https://mlsecops.com/podcast [Podcast MLSecOps] - https://podcasts.apple.com/ph/podcast/the-genai-security-podcast/id1782916580 [Podcast sulla Sicurezza GenAI] - https://avidml.org/ [Database delle Vulnerabilità AI (AVID)] - https://calder-brief.pages.dev/ai-hub.html [Calder Brief AI news hub — notizie AI aggiornate quotidianamente, inclusa la copertura di sicurezza/sicurezza AI] - **Certificazioni / Corsi** - https://cs229.stanford.edu/ [Stanford CS229: Machine Learning] - https://course.fast.ai/ [fast.ai Practical Deep Learning] - https://www.coursera.org/specializations/deep-learning [Specializzazione in Deep Learning di Andrew Ng] - https://huggingface.co/reasoning-course [Costruisci un modello di ragionamento come DeepSeek-R1] ## Guida AI/LLM - **Fondamenti** - https://d2l.ai/ [Dive into Deep Learning - Libro interattivo con PyTorch/JAX/TensorFlow] - http://neuralnetworksanddeeplearning.com/ [Neural Networks and Deep Learning di Michael Nielsen] - https://www.deeplearningbook.org/ [Deep Learning di Goodfellow, Bengio, Courville] - https://github.com/karminski/one-small-step [Tutorial AI/LLM] - https://github.com/datawhalechina/happy-llm [Tutorial su Principi e Pratica degli LLM] - https://github.com/rasbt/LLMs-from-scratch [Costruisci un LLM da zero] - https://github.com/naklecha/llama3-from-scratch [LLaMA3 da zero] - https://github.com/ZJU-LLMs/Foundations-of-LLMs [Fondamenti degli LLM] - **Awesome List** - https://github.com/WangRongsheng/awesome-LLM-resourses [Risorse LLM complete] - https://github.com/mahseema/awesome-ai-tools [Awesome AI Tools] - https://github.com/Shubhamsaboo/awesome-llm-apps [Awesome LLM Apps] - https://github.com/mahonzhan/awesome-agent-harness [Lista curata di agent harness, framework per agenti, framework di workflow e protocolli per agenti emergenti] - https://github.com/punkpeye/awesome-mcp-servers [Awesome MCP Servers] - https://github.com/wong2/awesome-mcp-servers [Awesome MCP Servers] - https://github.com/deepseek-ai/awesome-deepseek-integration [Awesome DeepSeek Integration] - https://github.com/lmmlzn/Awesome-LLMs-Datasets [Awesome LLMs Datasets] - **LLM da zero / Reasoning** - https://github.com/rasbt/LLMs-from-scratch/tree/main/ch05/11_qwen3 [Qwen3 From Scratch - guida passo passo in cinese] - https://github.com/rasbt/LLMs-from-scratch/blob/main/ch05/11_qwen3/standalone-qwen3-moe-plus-kvcache.ipynb [Implementare Qwen3 MoE con KV cache da zero] - https://github.com/rasbt/LLMs-from-scratch/tree/main/ch05/12_gemma3 [Costruire Gemma 3 270M da zero] - https://github.com/rasbt/reasoning-from-scratch [Modelli di reasoning da zero] - https://github.com/mingyin0312/RLFromScratch [Apprendimento per rinforzo da zero (tutorial in cinese)] - https://github.com/karpathy/nanochat [Ciclo di addestramento nanochat end-to-end in ~8K righe] - https://github.com/kyegomez/OpenMythos [OpenMythos - ricostruzione teorica dai primi principi dell'architettura Claude Mythos basata sulla letteratura di ricerca pubblica] - https://github.com/vixhal-baraiya/microgpt-c [MicroGPT-C — addestra ed esegue inferenza su un piccolo GPT in puro C senza dipendenze (file singolo); percorso CPU in stile fp32/AVX2; MIT] ## Sicurezza AI e attacchi ### Prompt Injection - https://www.lakera.ai/blog/guide-to-prompt-injection [Guida al Prompt Injection] - https://genai.owasp.org/llmrisk/llm01-prompt-injection/ [OWASP LLM01:2025 Prompt Injection] - https://redbotsecurity.com/prompt-injection-attacks-ai-security-2025/ [Attacchi di Prompt Injection 2025] - https://github.com/protectai/rebuff [Rilevatore di Prompt Injection auto-rafforzante] - https://github.com/NVIDIA/garak [Scanner di vulnerabilità per LLM di NVIDIA] - https://github.com/deadbits/vigil-llm [Rileva Prompt Injection e input rischiosi] - https://github.com/alphasecio/prompt-guard [Difesa dai Prompt per LLM] - https://github.com/tml-epfl/llm-adaptive-attacks [Attacchi adattivi contro gli LLM] - https://github.com/RomiconEZ/llamator [Framework per il test di vulnerabilità degli LLM] - https://github.com/gh0stOo/claude-md-vorlagen-de/blob/main/guides/prompt-hardening.md [Guida in tedesco al rafforzamento contro il prompt injection con 10 pattern di codice concreti prima/dopo (separazione system/user, delimitatori, validazione dell'output, diffidenza verso le fonti RAG)] - https://github.com/Vick606/subcanopy-guard [Scanner di Prompt Injection indiretta context-aware] ### Attacchi avversariali - https://gradientscience.org/intro_adversarial/ [Introduzione agli esempi avversariali] - https://cset.georgetown.edu/publication/key-concepts-in-ai-safety-robustness-and-adversarial-examples/ [Sicurezza AI ed esempi avversariali] - https://github.com/Trusted-AI/adversarial-robustness-toolbox [Adversarial Robustness Toolbox di IBM] - https://github.com/QData/TextAttack [Attacchi avversariali contro modelli NLP] - https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-2e2025.pdf [Tassonomia NIST dell'ML avversariale] - https://llm-vulnerability.github.io/ [Tutorial ACL 2024: Vulnerabilità degli LLM] - https://github.com/tensorflow/cleverhans [CleverHans - Benchmark di vulnerabilità ML] - https://github.com/bethgelab/foolbox [Foolbox - Toolbox per esempi avversariali] - https://github.com/cchio/deep-pwning [Deep-pwning] ### Avvelenamento e backdoor - https://arxiv.org/abs/2009.02276 [Witches' Brew: Industrial Scale Data Poisoning] - https://arxiv.org/abs/2402.09179 [Instruction Backdoor Attacks on Customized LLMs] - https://arxiv.org/abs/2510.07192 [Poisoning Attacks Need Only a Few Points] - https://arxiv.org/abs/1910.03137 [MNTD: Detecting AI Trojans] - https://owasp.org/www-project-top-10-for-large-language-model-applications/ [OWASP Top 10 per applicazioni LLM 2025] - https://github.com/git-disl/awesome_LLM-harmful-fine-tuning-papers [Articoli sul fine-tuning dannoso degli LLM] ### Privacy & Estrazione - https://www.usenix.org/conference/usenixsecurity21/presentation/carlini-extracting [Estrazione di dati di addestramento dai LLM] - https://arxiv.org/abs/2309.10544 [Model Leeching: attacco di estrazione sui LLM] - https://arxiv.org/abs/2301.10226 [Watermark per i Large Language Models] - https://arxiv.org/abs/2103.07853 [Panoramica sugli attacchi di inferenza di appartenenza] - https://arxiv.org/abs/2503.19338 [Panoramica sui MIA nei modelli su larga scala] - https://trustllmbenchmark.github.io/TrustLLM-Website/ [Benchmark TrustLLM] - https://github.com/stratosphereips/awesome-ml-privacy-attacks [Awesome ML Privacy Attacks] - https://github.com/chawins/llm-sp [LLM Security Papers] - https://github.com/journey-ad/gemini-watermark-remover [Rimozione lato client della filigrana delle immagini Gemini AI - Reverse Alpha Blending] ### Sicurezza dei modelli - https://arxiv.org/html/2507.02737v1 [Capacità di steganografia nei LLM di frontiera] - https://jplhughes.github.io/bon-jailbreaking/ [Jailbreaking dei modelli AI] - https://github.com/Goochbeater/Spiritual-Spell-Red-Teaming [Un repository per il jailbreaking di vari LLM, principalmente Claude] - https://huggingface.co/blog/mlabonne/abliteration [Abliterazione dei modelli] - https://github.com/p-e-w/heretic [Heretic - rimozione completamente automatica della censura per i LLM, abliteration + ottimizzatore Optuna TPE, dense/MoE/multimodale] - https://github.com/FailSpy/abliterator [abliterator - libreria Python per ablare il rifiuto/le feature nei LLM, TransformerLens, cache delle attivazioni, direzione di rifiuto] - https://github.com/spkgyk/abliteration [Abliteration - rimuovere la censura dai LLM tramite rimozione del vettore di rifiuto, hook PyTorch, senza TransformerLens] - https://github.com/jim-plus/llm-abliteration [llm-abliteration - creare modelli abliterati con Transformers, inferenza in batch, dense/MoE, biproiettato con conservazione della norma, VRAM ridotta] - https://github.com/Tsadoq/ErisForge [ErisForge - abliteration dei LLM semplicissima, trasforma i layer interni, AblationDecoderLayer/AdditionDecoderLayer, ExpressionRefusalScorer] - https://github.com/protectai/llm-guard [LLM Guard - Strumento di sicurezza] - https://github.com/protectai/modelscan [ModelScan - Scansiona i modelli alla ricerca di codice non sicuro] - https://github.com/fr0gger/nova-framework [Nova Framework - Rilevamento del jailbreak] - https://github.com/fr0gger/nova_mcp [Nova MCP Server] - https://github.com/0xAIDR/AIDR-Bastion [Sistema di protezione GenAI] - https://github.com/CAU-ISS-Lab/AIGT-Detection-Evade-Detection [Rilevamento ed evasione del testo generato dall'AI] - https://github.com/AUGMXNT/deccp [deccp - Valutazione e disallineamento della censura dei LLM cinesi, PoC di abliteration per Qwen2] - https://github.com/gpiat/AIAE-AbliterationBench [AbliterationBench - benchmark della resilienza dei modelli agli attacchi al residual stream/abliteration] ## AI Pentesting & Red Teaming ### Pentesting basato sull'AI - https://github.com/GreyDGL/PentestGPT [Agente di pentesting basato su GPT-4] - https://github.com/zakirkun/guardian-cli [CLI di pentesting basata sull'AI con Gemini] - https://github.com/usestrix/strix [Pentesting di sicurezza basato sull'AI] - https://github.com/aliasrobotics/cai [CAI - Framework di AI per la cybersecurity] - https://github.com/promptfoo/promptfoo [Framework di pentesting per agenti AI] - https://github.com/antoninoLorenzo/AI-OPS [Assistente AI per il penetration testing] - https://github.com/yz9yt/BugTrace-AI [Pentesting web automatizzato basato sull'AI] - https://github.com/six2dez/reconftw_ai [ReconFTW con analisi AI] - https://github.com/projectdiscovery/katana [Katana (ProjectDiscovery) - crawler/spider web veloce per l'automazione: standard e headless, parsing degli endpoint JS, filtri scope/regex, JSONL; si integra con httpx/nuclei e con i flussi di lavoro degli agenti di pentesting AI] - https://github.com/Ed1s0nZ/CyberStrikeAI [Piattaforma di security testing nativa per l'AI con oltre 100 strumenti] - https://github.com/vxcontrol/pentagi [PentAGI - Agenti AI completamente autonomi per il penetration testing] - https://github.com/XenoCoreGiger31/GEMMA-by-GOOGLE [HALO (GEMMA-by-GOOGLE) - Agente di pentesting AI completamente locale e autonomo; un modello Gemma locale guida un server MCP con 29 strumenti attraverso ricognizione, attacco e reporting] - https://github.com/Agnuxo1/EnigmAgent [EnigmAgent - agente autonomo di ricerca sulla sicurezza/pentesting basato sull'AI con benchmarking CTF, coordinamento decentralizzato di swarm, validazione degli exploit e asserzioni di sicurezza supportate da Lean 4] - https://github.com/KeygraphHQ/shannon [Shannon - Pentester AI autonomo, individua ed esegue exploit reali nelle applicazioni web] - https://github.com/wudidike/pentest_skill [Framework di automazione per il penetration testing web black-box destinato agli agenti AI, con flusso di lavoro basato su fasi e generazione di report] - https://github.com/yv1ing/Z3r0 [Z3r0 - banco di lavoro multi-agente controllato per valutazioni di sicurezza autorizzate, code auditing e ricerca: coordinatore CSO + specialisti in intelligence/penetrazione/ingegneria inversa/cripto, sandbox vincolate a Docker (shell/noVNC/file mgr), delega persistente, LiteLLM/compatibile OpenAI; FastAPI + React; MIT] - https://github.com/ASCIT31/Dark-Moon [Dark-Moon - piattaforma autonoma di penetration testing basata sull'AI in cui playbook metodologici in Markdown orchestrano oltre 80 strumenti offensivi tramite MCP su target web, cloud, Active Directory, Kubernetes e API, con una traccia delle evidenze per ogni finding] - https://github.com/Strategic-Automation/violin [Violin - profilo di pentesting Hermes Agent supervisionato e agentico: 31 playbook basati su competenze (OWASP Top 10, API Top 10, LLM Top 10) con scoping interattivo, validazione dello scope e gate di approvazione. Si installa tramite `hermes profile install https://github.com/Strategic-Automation/violin`. Nativo per Hermes, nessuna chiave API aggiuntiva; MIT] - https://github.com/secorizon/SecorizonAI [SecorizonAI - shell AI nativa per il terminale pensata per i pentester: singolo binario Go, LLM locale tramite Ollama, ciclo ReAct con tool-use in JSON ed esecuzione di shell + ricerca web integrata, guide metodologiche su richiesta, supporto MCP (Burp); Apache-2.0 + Commons Clause; da usare solo in incarichi autorizzati] ### Strumenti di AI Red Teaming - https://github.com/Azure/counterfit [Strumento di Penetration Testing ML di Microsoft] - https://github.com/Azure/PyRIT [Framework di Red-Teaming per GenAI di Microsoft] - https://github.com/meta-llama/PurpleLlama [Strumenti Open-Source per la Sicurezza degli LLM di Meta] - https://github.com/NVIDIA/NeMo-Guardrails [Guardrail Programmabili di NVIDIA] - https://github.com/NoDataFound/hackGPT [Toolkit LLM per la Sicurezza Offensiva] - https://github.com/ipa-lab/hackingBuddyGPT [Agente Autonomo di Red-Teaming] - https://github.com/Yanlewen/TradeTrap [TradeTrap - testa agenti di trading basati su LLM: prompt injection, hijacking MCP, manomissione dello stato, avvelenamento della memoria; AI-Trader/Valuecell] - https://github.com/humanbound/humanbound [Humanbound - CLI open-source che esegue attacchi avversariali generati da LLM contro l'endpoint HTTP di un agente, valutati rispetto alle mappature OWASP LLM Top 10, OWASP Agentic Top 10, NIST ed EU AI Act] - https://github.com/toby-bridges/api-relay-audit [API Relay Audit - CLI di audit locale per relay di API AI e proxy LLM; sonda segnali di prompt injection, modifiche ai comandi dei pacchetti, fuga di informazioni nelle risposte di errore e anomalie SSE di Anthropic; report in Markdown] - https://github.com/taoq-ai/ziran [Ziran - framework di security testing per agenti AI: scoperta di catene di strumenti basata su grafi, rilevamento degli effetti collaterali a livello di esecuzione, campagne multifase; LangChain, CrewAI, MCP, A2A, HTTP remoto] ### Strumenti MCP per la sicurezza AI - https://github.com/tomelias10/mcp-drift-check [MCP Drift Check — CLI Python locale passiva che segnala staticamente riferimenti a pacchetti npm/npx mutabili/non bloccati nelle configurazioni dei client MCP; non esegue server, non scarica pacchetti né carica configurazioni; MIT] - https://github.com/AndrewXuTurtle/mcpaudit [mcpaudit — server MCP + CLI che verifica i server MCP già installati su Claude Desktop, Claude Code, Cursor, Windsurf e VS Code. Tool poisoning (incl. caratteri a larghezza zero/bidi nelle descrizioni degli strumenti), raggio d'impatto delle credenziali, ambito dei privilegi, trasporto e provenienza della supply chain: scope dei publisher con omoglifi, pacchetti rimossi dal registry, hook di installazione e advisory OSV/GHSA abbinate alla versione risolta. Zero dipendenze; nulla viene installato o eseguito; MIT] - https://github.com/ArmorerLabs/Armorer-Guard [Armorer Guard - scanner Rust locale e proxy MCP per prompt injection, fuga di credenziali, esfiltrazione e rilevamento di chiamate a strumenti rischiose prima dell'esecuzione] - https://github.com/0x4m4/hexstrike-ai [HexStrike AI - MCP con oltre 150 strumenti di cybersecurity] - https://github.com/cyproxio/mcp-for-security [MCP per il pentesting] - https://github.com/johnhalloran321/mcpSafetyScanner [MCP Safety Scanner] - https://github.com/Karthikathangarasu/pentest-mcp [Pentest MCP] - https://github.com/Sicks3c/hackerone-mcp-server [HackerOne MCP — API Hacker non ufficiale su stdio: report, programmi, scope, guadagni, hacktivity; invio/commento/chiusura; MIT] - https://github.com/zhizhuodemao/android_proxy_mcp [Android Proxy MCP - cattura del traffico Android basata su MCP, consente all'AI di analizzare HTTP/HTTPS tramite linguaggio naturale] - https://github.com/MHaggis/Security-Detections-MCP [Security Detections MCP - Sigma/Splunk ESCU/Elastic/KQL unificati, oltre 71 strumenti, 11 prompt, piattaforma di rilevamento autonoma] - https://github.com/ai-blueteam/http-detection-agent [http-detection-agent - rilevamento di attacchi HTTP basato sulle capacità: CLI Rust e server MCP locale su un catalogo normalizzato di regole con 76 rilevamenti in 62 famiglie di comportamenti; MIT] - https://github.com/Correctover/correctover-scan [correctover-scan - CLI npm a configurazione zero che analizza le configurazioni dei client MCP (Claude Desktop, Cursor, VS Code) alla ricerca di esposizione di credenziali, SSRF, autenticazione/cifratura del trasporto mancanti e altre misconfigurazioni; risultati mappati su OWASP AISVS; output JSON/SARIF per la CI; MIT] - https://github.com/rolandpg/zettelforge [ZettelForge — server MCP di memoria agentica per CTI con estrazione di entità (CVE, threat actor, IOC, MITRE ATT&CK), knowledge graph con risoluzione degli alias, STIX 2.1, retrieval classificato per intento, logging di audit OCSF; offline; MIT] - https://github.com/doomsday-network/bounty-guard [BountyGuard — firewall open-source per prompt injection, blocklist di honeypot pubblicata (data/honeypots.json) e server di sicurezza MCP a zero dipendenze (mcp_server.py / https://doomsday.network/mcp) che analizza i repository GitHub alla ricerca di firme trappola e classifica le issue in SAFE_WITH_ESCROW, SAFE_NO_ESCROW o QUARANTINE; MIT] ### C2 basati su AI - https://github.com/Red-Hex-Consulting/Ankou [Framework C2 basato su AI] ### Cracking di password con AI - https://github.com/d-sec-net/VPK [Cracking automatico di password con AI] ## Strumenti e framework per la sicurezza AI ### AI SOC e SecOps - https://github.com/Vigil-SOC/vigil [Vigil - SOC open-source nativo AI: 12 agenti specializzati, workflow multi-agente, integrazioni MCP (SIEM/EDR/TI/sandbox/ticketing), FastAPI + React] - https://github.com/ccjmcc/jevsec [JevSec - triage di sicurezza con modello decisionale compatibile con Jev per brevi comportamenti web tra richieste; combina regole deterministiche con Qwen3-4B locale, normalizzazione attenta alla privacy e revisione in modalità shadow; MIT] ### AI Reverse Engineering - https://github.com/ZeroDaysBroker/GhidraGPT [Integrazione GPT per Ghidra] - https://github.com/jtang613/GhidrAssist [Estensione LLM per Ghidra] - https://github.com/0xeb/windbg-copilot [WinDbg Copilot - Estensione per il debug agentico] - https://github.com/agentrebench/AgentRE-Bench [AgentRE-Bench - Benchmark agentico per il reverse engineering binario a lungo orizzonte: C2/codifica/anti-analisi, scoring deterministico, 13 attività ELF] - https://github.com/banteg/bn [bn - CLI di Binary Ninja pensata per agenti: decompilazione, xref, tipi, mutazioni tramite socket Unix verso il plugin della GUI] - https://github.com/amruth-sn/kong [Kong - reverse engineer agentico, RE binario orchestrato da LLM tramite Ghidra in-process, analisi del call-graph, deoffuscamento agentico] - https://github.com/CSIT-SG/AETHER [Un copilot di reverse engineering basato su AI per assistere nella tediosa analisi malware in IDA Pro] - https://github.com/thatskriptkid/re-harness [RE-harness - Plugin OpenCode per l'analisi statica di PE Windows per Qwen 27B/35B: strumenti IDA/IDASQL strutturati in sola lettura, fallback di lifting per funzioni di grandi dimensioni NeverD/LLVM; harness per analisi malware; macOS/Linux] - https://github.com/mrphrazer/ghidra-headless-mcp [ghidra-headless-mcp — Ghidra headless tramite MCP] - https://github.com/vwww-droid/Mira [Mira - banco di lavoro per il rilevamento runtime mobile (Android/iOS): analisi runtime live nativa per AI con Relay + MCP, flussi di lavoro shell/Frida remoti e conoscenza di rilevamento riutilizzabile] - https://github.com/buzzer-re/ToCode [ToCode - esporta binari/database IDA in alberi di progetto simili a sorgenti (C recuperato, asm, riassunti, metadati JSON ricchi + AGENTS.md) così che gli agenti di coding possano attraversare grandi binari come un oracolo; supporta IDA Pro e radare2] - https://github.com/cellebrite-labs/ghidra-rpc [ghidra-rpc - skill agentica per Ghidra: esegue Ghidra come demone PyGhidra persistente che espone decompilazione/xref/recupero dei tipi/patch/diff binario tramite una CLI JSON su socket Unix, pilotabile da qualsiasi assistente AI con accesso alla shell (Cursor, Claude Code, ecc.); di Cellebrite Labs] - https://github.com/morluto/rea [REA - CLI locale e server MCP per il reverse engineering assistito da agenti di binari nativi, applicazioni JavaScript/Electron e assembly .NET; provenienza delle evidenze e limitazioni esplicite; l'analisi approfondita nativa utilizza Hopper, Ghidra o IDA installati separatamente] ### Rilevamento delle vulnerabilità tramite IA - https://github.com/Mayaaa311/LLMBugScanner [LLM BugScanner - pipeline in stile GPTLens: LLM per il codice HF collegabili come auditor + critic, classifica i risultati per correttezza/gravità; dataset orientati a Solidity] - https://github.com/LLMAudit/LLMSmartAuditTool [LLM-SmartAudit - auditing multi-agente per Solidity (modalità BA/TA), ruoli orientati ai task, oltre 40 prompt di rilevamento, notebook batch + visualizzatore web, API OpenAI; arXiv:2410.09381] - https://github.com/scabench-org/hound [AI Auditor con Knowledge Graph adattivi] - https://github.com/416rehman/DeepZero [DeepZero - motore di pipeline automatizzato per la ricerca di vulnerabilità (fasi definite in YAML) per l'analisi su larga scala di driver kernel Windows, decompilazione e valutazione della sfruttabilità degli IOCTL con agenti IA] - https://github.com/kpolley/redai [RedAI - workbench da terminale per la scoperta di vulnerabilità guidata dall'IA con evidenze di validazione in tempo reale (ambienti di validazione browser/iOS, PoC, log, screenshot, report riproducibili)] - https://github.com/vercel-labs/deepsec [deepsec - harness di sicurezza basato su agenti di coding per grandi codebase: scansione dei siti candidati, investigazione/ rivalidazione tramite IA e flussi di lavoro esportabili per i risultati] - https://github.com/Agent-Field/sec-af [SEC-AF - auditor di sicurezza AI-native su AgentField: dimostra la sfruttabilità con verdetti, tracce di flusso dei dati ed evidenze azionabili; DAG di agenti per caccia/dimostrazione avversariale; Apache-2.0] - https://github.com/evilsocket/audit [audit - agente di scoperta di vulnerabilità in 8 fasi (in stile Cloudflare Glasswing): Recon/Hunt/Validate/Gapfill/Dedupe/Trace/Feedback/Report; agenti specializzati + confutazione avversariale + gate di raggiungibilità; Claude Code Agent SDK, OAuth con abbonamento; MIT] - https://github.com/visa/visa-vulnerability-agentic-harness [VVAH (Visa) - pipeline SAST agentica per la scoperta autonoma di vulnerabilità: 9 fasi threat modeling → ricerca multi-prospettiva → verifica avversariale → SARIF; multi-modello (Claude CLI/SDK, OpenAI); ispirata a Glasswing; CLI `vvaharness`; solo per uso autorizzato] - https://github.com/scadastrangelove/rust-in-peace [rust-in-peace - harness agentico per la scoperta di vulnerabilità in Rust: ciclo autonomo di recon/find/triage/patch per bug di memoria unsafe/FFI, panic-DoS e problemi di fiducia nella deserializzazione; verifica i risultati con rilevatori Miri/ASan/panic/hang e cargo-fuzz] - https://github.com/zakirkun/deep-eye [Deep Eye - scanner di vulnerabilità e framework di pentesting guidato dall'IA con supporto a LLM multi-provider, generazione di payload, moduli di recon ed esportazione dei report] - https://semgrep.dev/ [SAST assistito dall'IA] - https://github.com/squirrelscan/squirrelscan [Strumento di audit per siti web per flussi di lavoro con agenti/LLM (sicurezza/prestazioni/SEO)] - https://github.com/rohansx/vgx [Scanner di sicurezza pre-commit per Git con integrazione LLM (rileva codice IA + vulnerabilità)] - https://github.com/HikaruEgashira/vulnhuntrs [Strumento di audit di sicurezza web tramite IA] - https://github.com/xvnpw/ai-security-analyzer [Generatore di documentazione di sicurezza tramite IA] - https://github.com/aress31/burpgpt [BurpGPT - Scansione delle vulnerabilità tramite IA] - https://github.com/haroonawanofficial/AISA-Scanner [Scanner di sicurezza tramite IA] - https://github.com/youpengl/OpenVul [OpenVul - framework di post-training per il rilevamento di vulnerabilità basato su LLM (SFT/DPO/ORPO/GRPO)] - https://github.com/Pinperepette/snakebite [snakebite - scanner della supply chain PyPI: euristiche + LLM opzionale per ridurre i falsi positivi; modalità locale o feed RSS] - https://github.com/rushter/hexora [hexora - analizzatore statico Rust per Python malevolo (supply chain, script incollati, IoC); regole AST con livelli di confidenza] - https://github.com/sashiko-dev/sashiko [Sashiko - revisione agentica delle patch del kernel Linux (Rust): lore.kernel.org + git locale, protocollo LLM multi-fase (implementazione, concorrenza, sicurezza, driver), interfaccia web/CLI; autonomo; il contesto della patch/kernel viene inviato all'LLM—autorizzare la condivisione e monitorare i costi API; Apache-2.0] ### Analisi AI delle CVE - https://github.com/arschlochnop/VulnWatchdog [Monitoraggio CVE con analisi GPT] - https://github.com/suhasgowtham-x/aegis-security-co-pilot [Scanner CVE basato su AI] - https://github.com/ucsb-mlsec/VulnLLM-R [LLM specializzato nel ragionamento per le vulnerabilità] - https://github.com/RogoLabs/VulnRadar [VulnRadar - Radar delle vulnerabilità tramite GitHub Actions: watchlist CVE, KEV/EPSS/PatchThis, issue, Discord/Slack/Teams] ### OSINT con AI - https://ai.cylect.io/ [OSINT con AI] - https://github.com/apurvsinghgautam/robin/ [Strumento OSINT per il Dark Web basato su AI] - https://github.com/calesthio/Crucix [Crucix - terminale OSINT self-hosted: 27 feed aperti (satelliti, voli, conflitti, mercati), dashboard Jarvis, avvisi LLM opzionali e bot Telegram/Discord] ### Librerie di sicurezza per AI - https://secml.readthedocs.io/ [SecML - Libreria ML sicura e spiegabile] - https://github.com/google/oss-fuzz-gen [Strumento di fuzzing per l'audit del codice basato su AI] - https://github.com/Invicti-Security/brainstorm [Fuzzer AI per applicazioni web] - https://github.com/NativeStar/js-hooker [js-hooker - libreria leggera di hooking JavaScript per ambienti browser (helper per l'intercettazione/strumentazione a runtime)] ### TLS, fingerprint e segnali bot (web / automazione) - https://github.com/rawandahmad698/noble-tls [noble-tls - client HTTP Python con impersonificazione TLS/JA3 (API simile a requests, fingerprint aggiornati automaticamente)] - https://github.com/lexiforest/curl_cffi [curl_cffi - binding Python a libcurl-impersonate: fingerprint TLS/JA3 e HTTP/2 allineati al browser senza un browser completo; scelta predefinita solida per fetch scriptati] - https://github.com/0x676e67/rnet [rnet - client HTTP Rust con controllo dei fingerprint TLS JA3/JA4 e HTTP/2] - https://github.com/fingerprintjs/BotD [BotD (FingerprintJS) - SDK open-source di rilevamento bot lato client da integrare nelle proprie pagine (self-hosted / integrazione first-party)] - https://github.com/tiagozip/cap [Cap - alternativa CAPTCHA self-hosted attenta alla privacy (proof-of-work + challenge di strumentazione); ~20kb, nessuna telemetria, Docker standalone, modalità invisibile; alternativa a reCAPTCHA/hCaptcha/Turnstile; Apache-2.0] - https://github.com/botswin/BotBrowser [BotBrowser - Chromium multipiattaforma per automazione/QA contro stack anti-bot (Cloudflare, Akamai, Kasada, Shape, DataDome, PerimeterX, hCaptcha, FunCaptcha, Imperva, reCAPTCHA, ThreatMetrix, Adscore, ecc.); utilizzare solo su sistemi di propria proprietà] - https://github.com/MiddleSchoolStudent/BotBrowser [BotBrowser (distribuzione alternativa) - build Chromium orientate all'headless per automazione anti-bot; confrontare con il fork botswin; solo target autorizzati] - https://github.com/zhom/donutbrowser [Donut Browser - Chromium anti-detect open-source (Wayfern) con profili isolati, proxy/VPN, API locale e MCP per Claude/automazione; AGPL-3.0; solo target autorizzati] - https://github.com/daijro/camoufox [Camoufox - Firefox orientato allo stealth per scraping/automazione; si integra bene con stack in stile Browser-Use e strumenti di supporto alle challenge Cloudflare (es. proxy solver); utilizzare solo dove si è autorizzati] - https://github.com/AlloryDante/undetected-browser [undetected-browser - stack Puppeteer/Chromium modificato per test di automazione a basso rilevamento] - https://github.com/ultrafunkamsterdam/nodriver [nodriver - controllo di Chrome in stile undetected senza la classica superficie WebDriver; driver Python per ricerca avanzata sull'automazione] - https://github.com/Xewdy444/CF-Clearance-Scraper [CF-Clearance-Scraper - recupero scriptabile di `cf_clearance` / artefatti di sessione Cloudflare per client HTTP; solo per test e ricerca autorizzati] --- [Read more](https://github.com/gmh5225/awesome-ai-security)