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
AI-Threat-Modeler — Progetto OWASP per la threat modeling assistita dall'IA, che aiuta i team a identificare, analizzare e documentare le minacce alla sicurezza e le relative mitigazioni nella progettazione dei sistemi. | Kitploit
Strumenti/GitHubGitHub/owasp/ai-threat-modeler
Strumenti DifensiviAnalisi delle VulnerabilitàThreat IntelligencePaper e RicercaSicurezza dell'IA
GitHubowasp/ai-threat-modeler

AI-Threat-Modeler

Progetto OWASP per la threat modeling assistita dall'IA, che aiuta i team a identificare, analizzare e documentare le minacce alla sicurezza e le relative mitigazioni nella progettazione dei sistemi.

Vedi Repository
210928 giorni faNon ancora revisionato
Condividi

AI Threat Modeler

Puntalo su una codebase. Ottieni indietro un threat model ancorato al codice — pronto da rivedere, mettere in discussione e su cui agire. Le parti che il codice non può vedere — il contesto di business e l'architettura che ne sta alla base — sono il punto in cui entri in gioco tu e i tuoi architetti.

Carica uno ZIP o importa un repository GitHub, e AI Threat Modeler produce un artefatto di threat modeling in stile STRIDE: un data-flow diagram, minacce candidate e un registro dei rischi — con link ai file sorgente e ai numeri di riga esatti ogni volta che l'agente AI riesce ad ancorarli a codice reale. Un passaggio avversariale opzionale scarta i risultati privi di evidenza nel codice.

Pensato per i team AppSec che vogliono un threat modeling ancorato al codice reale — tracciabile, revisionabile e sempre aggiornato.

Cos'è (e cosa non è)

Sii chiaro su ciò che ottieni, perché la distinzione è importante:

  • Questo è un threat modeler AI ancorato al codice. Trasforma una codebase in un catalogo iniziale di risultati DFD + STRIDE + rischi, ciascuno ancorato a un reale file:line.
  • Questo è ancorato al codice. Il nostro principio operativo è breve e concreto: identifica la minaccia, ancora la verità al codice, poi agisci di conseguenza. Ogni risultato è ancorato a un reale file:line, e le affermazioni prive di evidenza nel codice vengono scartate. Il risultato è un input concreto e revisionabile su cui il tuo team può agire — il codice è la fonte di verità, e il tuo team porta il giudizio per agire su di esso.

Il valore che ottieni è proporzionale a ciò che inserisci (garbage in, garbage out) e a quanto seriamente il tuo team agisce sui risultati — verificando il diagramma, triangolando le affermazioni rispetto al codice e aggiungendo il contesto di business/design che vive al di fuori della codebase. Vedi Come usare l'output per il flusso di lavoro completo, e per come usarlo come controllo del tipo abbiamo fatto un lavoro abbastanza buono rispetto a un threat model esistente costruito a mano.

📹 Demo

Video dimostrativo

Oppure guarda sulla pagina del file.

Provalo in 3 passaggi

Ti serviranno Docker e una chiave API per uno dei provider supportati — Anthropic (Claude), OpenAI o DeepInfra per eseguire modelli open-weight (Kimi, GLM, DeepSeek).

  1. Configura il tuo ambiente. Copia il file env e aggiungi un JWT_SECRET casuale:

    cp .env.example .env
    echo "JWT_SECRET=$(openssl rand -hex 32)" >> .env
    
  2. Compila e avvia:

    docker-compose up -d --build
    
  3. Apri http://localhost:3000, accedi con admin / admin, aggiungi la tua chiave API in Settings e invia un repository.

👉 Sei nuovo qui? Segui la guida introduttiva per la procedura completa con dettagli esaustivi.

Cosa ottieni

Al termine di un job, apri il report — un insieme di artefatti per la tua revisione, non un verdetto finale:

SchedaContenuti
Data Flow DiagramDiagramma interattivo con confini di fiducia; clicca su un nodo per vedere le minacce candidate correlate e i file sorgente. Verifica prima questo rispetto alla tua architettura reale — i risultati basati su un diagramma errato sono sospetti.
Threat ModelMinacce STRIDE candidate con gravità, mitigazione e Location (file:riga, snippet, link GitHub quando importato da GitHub). Tratta ciascuna come un'ipotesi da verificare nel codice, non come una conclusione.
Risk RegistryRischi collegati alle minacce, con piani di remediation — materiale grezzo per le decisioni del tuo team e per la remediation tracciata.

Esporta in PDF, CSV (compatibile con Excel) o JSON, così puoi importare i risultati nel tuo issue tracker e nella tua pratica di threat modeling ufficiale.

Come funziona

Ogni job esegue un breve flusso stage → run affinché l'AI comprenda il tuo deployment, non solo il tuo codice:

  1. Analyze — l'app compila automaticamente sei campi di contesto modificabili (riepilogo del progetto, contesto di sicurezza, contesto di deployment, guida per gli sviluppatori, esclusioni suggerite e note). Questo è il tuo input a più alto impatto — modificalo con il contesto reale di deployment e di business; l'artefatto restituito sarà valido solo quanto ciò che inserisci.
  2. Run — l'agente produce l'artefatto STRIDE completo e ne mostra lo stato in tempo reale sulla dashboard. Poi il tuo team lo revisiona (vedi Come usare l'output).

Provider di modelli

Usa la tua chiave per il provider che meglio si adatta al tuo budget e ai tuoi requisiti di conformità — scegli il provider e il modello in Settings:

  • Anthropic (Claude) e OpenAI — modelli frontier ospitati.
  • DeepInfra — modelli open-weight. Esegui le famiglie Kimi, GLM e DeepSeek dietro un'API compatibile con OpenAI su un cloud di inferenza certificato HIPAA e SOC 2. Il selettore dei modelli elenca ogni opzione con il prezzo per milione di token e la finestra di contesto, e il costo per job è riportato esattamente. I modelli open-weight possono essere notevolmente più economici — un job tipico su DeepSeek V4 Flash costa centesimi, non dollari.

Puoi anche regolare reasoning_effort e attivare o disattivare il secondo passaggio avversariale per istanza. Vedi la Settings Reference.

Documentazione

GuidaPer
Getting StartedUtenti alle prime armi — dall'installazione al primo report
Importing from GitHubRepository pubblici e privati, branch, limiti
Settings ReferenceRegolazione di costo, profondità e provider
TroubleshootingQuando qualcosa va storto
FeaturesElenco completo delle funzionalità
DeploymentEsecuzione con Docker Compose in produzione
SETUP.mdSviluppo locale senza Docker
CHANGELOG.mdCronologia delle release

Indice completo della documentazione: docs/. Specifica API interattiva: http://localhost:3001/api-docs (quando il backend è in esecuzione).

Contribuire / sviluppo

npm test                                             # backend + frontend unit tests
cd frontend && npm run e2e:install && npm run e2e    # Playwright end-to-end tests

Consulta SETUP.md per l'ambiente di sviluppo completo (Node 18+, senza Docker).

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.

    546
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    477
  • 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.

    377
  • 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.

    324
  • 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.

    269
  • 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.

    252

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →