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
CLIPGuard — Strumento di perturbazione di immagini avversariali che utilizza la segmentazione SAM e i modelli CLIP per eludere i classificatori di immagini di truffe basati sull'IA per la ricerca sulla sicurezza. | Kitploit
Strumenti/GitHubGitHub/wsu-cyber-security-lab-ai/clipguard
Strumenti DifensiviMachine LearningPaper e RicercaSicurezza dell'IAAttacco Avversario
GitHubwsu-cyber-security-lab-ai/clipguard

CLIPGuard

Strumento di perturbazione di immagini avversariali che utilizza la segmentazione SAM e i modelli CLIP per eludere i classificatori di immagini di truffe basati sull'IA per la ricerca sulla sicurezza.

Condividi
Vedi Repository
445 mesi faNon ancora revisionato

CLIPGuard


Installazione

1. Creare un ambiente virtuale (consigliato)

python -m venv clipguard_env
source clipguard_env/bin/activate

2. Installare PyTorch (esempio CUDA)

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121

Per CPU:

pip install torch torchvision

3. Installare le dipendenze

pip install -r requirements.txt

Utilizzo

python CLIPGuard.py   --input SCAM_Image_path   --output ./goodclip_out   --sam_ckpt sam_vit_h.pth path   --clip_model ViT-B-16 --clip_pretrained openai   --grid 8x8  
--perturb mask

Esempio con classi personalizzate:

python CLIPGuard.py     --input image.jpg     --output results/     --classes "church,tench,garbage truck"     --templates "a photo of a {}"

Struttura del progetto

CLIPGuard/
│
├── CLIPGuard.py
├── requirements.txt
├── README.md
└── examples/

Requisiti

Vedi requirements.txt.

Dipendenze principali:

  • torch
  • open_clip_torch
  • opencv-python
  • numpy
  • pillow

Opzionali:

  • segment-anything
  • diffusers

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.

    708
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    500
  • 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.

    398
  • 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.

    341
  • 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.

    259
  • 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.

    257

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →