Skip to content
KitploitKITPLOIT
ツールエクスプロイトブログ
Log in
提出
ツールエクスプロイトブログ
提出

ハッキング、侵入テスト、サイバーセキュリティツールをあなたのセキュリティアーセナルに!

Kitploitはハッキング、サイバーセキュリティ、ペネトレーションテストのツールディレクトリです。最新のプロジェクトアップデートを見つけて、脆弱性の発見、システム分析、テストの自動化、セキュリティの強化を行いましょう。

フィードお問い合わせプライバシー© 2026 Kitploit

ツールディレクトリ

カテゴリ

すべてのカテゴリを見る
Loading categories
Deserializer — Pythonのソースコード(AI、LLM、ロボティクス、データサイエンス、機械学習などあらゆる種類)において、PythonのRCE経路や深いデシリアライゼーション連鎖を発見するための、エージェント型LLMによる関係マッピングを備えたASTベースの静的コードアナライザー。 | Kitploit
ツール/GitHubGitHub/joshuaprovoste/deserializer
静的分析脆弱性スキャナー静的コード分析 (SAST)脆弱性分析コード分析エクスプロイト機械学習ペイロード開発AIセキュリティ
GitHubjoshuaprovoste/deserializer

Deserializer

Pythonのソースコード(AI、LLM、ロボティクス、データサイエンス、機械学習などあらゆる種類)において、PythonのRCE経路や深いデシリアライゼーション連鎖を発見するための、エージェント型LLMによる関係マッピングを備えたASTベースの静的コードアナライザー。

213414日前未レビュー
リポジトリを見る
共有

Deserializer

Deserializer Banner

プロジェクトについて

  • Deserializer は、Python エコシステム全体にわたる安全でないオブジェクト再構築および状態永続化のシンクを特定するために設計された高度な抽象構文木 (AST) 静的解析エンジンであり、AI、LLM、ロボティクス、データサイエンス、機械学習、深層学習の分野に特に重点を置いていますが、これらに限定されません。
  • Deserializer は、アプリ、スクリプト、フレームワーク、ライブラリ、Python pip パッケージなど、Python ソースコードに基づくあらゆる種類のプロジェクトをスキャンおよび分析するために設計されました。

主要な技術的機能

従来のスキャナをはるかに超え、YAML、Msgpack、CBOR、カスタム JSON フックを含む 120 以上のライブラリとフォーマットを監査するための汎用的で高性能なフレームワークを提供します。そこでは「安全な」シリアライゼーションへの従来の信頼が、ロジックベースの重大な RCE ベクターを隠しています。インポート、エイリアス、複雑なドット付き属性を解決することで、このツールは高忠実度のシグナル増幅器として機能し、現代の分散アーキテクチャや AI/ML リポジトリにおける危険なコードパスを優先的に浮かび上がらせます。

このプロジェクトは、生の検出から深い技術監査へと移行する、モジュール式の多段階ワークフローで動作します。初期の高速 SAST スキャンに続き、エコシステムは実行フローを追跡する専用のリレーションシップマッパーと、詳細なセキュリティレポートを生成する結果プロセッサを活用します。この体系的なアプローチにより、すべての発見がアプリケーションのより広範なアーキテクチャ内で文脈化され、大量のテレメトリが実用的な研究資産や、インフラストラクチャレベルの攻撃対象領域のマッピングを簡素化する構造化されたマイルストーンへと変換されます。

自律型 AI セキュリティエージェント

最も高度な段階では、Deserializer は自律型 AI セキュリティエージェント (フェーズ 4) を統合しており、「自己コマンドインジェクション」の制約を回避し、HuggingFace 推論 API、ローカル LLM (llama.cpp など)、または OpenAI API 互換に基づいて、機能的な再現ガイドを合成するように明示的に設計されています。

プロジェクトが進化するにつれ、抽象構文木の静的解析、リレーションシップマッピング、レポーティング、そして文書化された研究に基づく機能的なエクスプロイト開発の間のギャップを埋めることで、自動化された脆弱性研究の最前線を定義し続けています。

研究 (AI、ロボティクス、データサイエンス、機械学習、深層学習)

Deserializer は、Genesis World (v0.2.1)、MuJoCo (v3.7.0)、LeRobot (v0.5.1)、Brax (v0.14.2)、TensorFlow (v2.21.0)、LangGraph (v1.1.6)、VibeVoice (v0.0.1)、Hugging Face Hub (v1.11.0)、PyGlove (v0.4.5) など、さまざまな大規模 AI、ロボティクス、データサイエンスのプロジェクトや環境にわたる RCE および安全でないデシリアライゼーションのパスを特定することで、セキュリティ研究を直接支援します。

その機能は業界をリードするフレームワークにおける重大な脆弱性の発見を直接支えており、複雑な MLOps およびエージェント型 AI 環境の監査における有効性を証明しています。

Deserializer の 4 つのフェーズ

このプロジェクトは 4 つの異なるフェーズで構成され、それぞれが大量の自動テレメトリから深い機能的なセキュリティ研究へと分析を移行するように設計されています:

フェーズタイトルツール / エンジン目的
1高速検出deserializer.py (トリプルパス)大規模な SAST を実行して潜在的なデシリアライゼーションシンクを特定します。
2リレーションシップマッピング結果プロセッサ / マッパー実行フローとコンポーネントの相互依存関係を追跡することで、発見を文脈化します。
3技術的統合研究ドキュメント発見を技術的な文書に形式化し、インフラストラクチャレベルの攻撃対象領域をマッピングします。
4自律型 AI エージェントAI セキュリティエージェントHuggingFace 推論 API、ローカル LLM (llama.cpp など)、または OpenAI API 互換を使用して、0-day の発見を自動化し、機能的な再現ガイド/エクスプロイトを生成します。

プロジェクト構成

リポジトリの構成と、各専門ディレクトリの技術的な目的を示す高レベルのマップ:

  • agent/
    フェーズ4のAIセキュリティエージェントの実装。深層分析、再現ガイドの合成、LLMとの対話のためのオーケストレーションロジックを含みます。
  • docs/
    プロジェクトドキュメント、アーキテクチャ図、ブランディングアセット、および補足的な高レベル技術資料のための中央リポジトリ。
  • exploit_development/
    実用的なエクスプロイトの開発、デシリアライゼーションプリミティブ(フック/メソッド)の研究、およびクロスプラットフォームのオーケストレーション手法の文書化のための専用スペース。
  • modules/
    ツールチェーンの検出フェーズと関係マッピングフェーズを支えるコアロジックコンポーネント、補助ユーティリティ関数、およびスキャナー拡張機能。
  • reports/
    多段階のプロジェクト評価中にスキャナーが生成する構造化されたセキュリティ分析出力、テレメトリ、および監査結果の保存場所。
  • research/
    高精度な脆弱性解説記事、検証済みのProof-of-Concept(PoC)スクリプト、および最新のAI/MLフレームワークに対して実施された詳細な監査のコレクション。
  • templates/
    脆弱性解説記事や相関レポート全体で技術的な一貫性を維持するために使用される、標準化されたレポートおよびリサーチテンプレート。

パフォーマンスとマルチプロセッシング

このスキャナーは、Pythonのconcurrent.futures.ProcessPoolExecutor上に構築された高性能な並列実行エンジンを備えています。利用可能なすべてのCPUコアにスケールできるように設計されており(-jまたは--concurrencyフラグで制御可能)、数万のファイルを数秒でスキャンできます。

  • ノンブロッキングUI: 安定したドッキング型プログレスバーを備え、結果表示をクリーンにするための1行の間隔を確保します。
  • ネイティブシグナルハンドリング: Windowsでは、ctypesを介してネイティブのSetConsoleCtrlHandlerを利用し、負荷の高い処理中でもCtrl+Cが100%応答することを保証します。
  • サイレントトレースバック: ワーカープロセスはサイレント化され、割り込みや内部エラーが技術的な出力を乱さないようにします。
  • ネイティブWindows UIサポート: 最新のCMDおよびPowerShell環境でネイティブのANSIカラーをサポートするため、ctypesを介して仮想端末処理を自動的に有効化します。

[!WARNING] パフォーマンスに関する警告: 極端に大きい、または複雑なファイル(例: 1MB、2MB、3MBを超えるサイズ)を分析する場合、深いASTツリーの解析中に大幅な速度低下が発生したり、「停止した」ように見えたりすることがあります。このようなボトルネックに遭遇した場合は、--timeout(遅いファイルをスキップ)および--max-size(巨大なファイルをスキップ)フラグを使用してスキャン速度を維持することを検討してください。

機能概要

  • Triple-Pass スキャンエンジン: 「破られない」多層アプローチを実装:
    • Pass 1 (AST): 正確な解析のための高忠実度な文法分解。
    • Pass 2 (Token Fallback): 構文エラーや解析不能なセクションに遭遇した際の、ストリームベースのトークナイザーへの自動フォールバック。
    • Pass 3 (Regex Emergency): 極めて敵対的または断片化されたソースファイルでもカバレッジを確保する最終パターンマッチング層。
  • ネイティブテンプレート無効化: Jinja2 および Mako タグのサニタイズを組み込みでサポートし、スキャナーが非 Python 構文で詰まることなく Web テンプレートやコード生成ファイルを処理できるようにします。
  • 呼び出しと参照の検出: 直接的な実行シンク(例: pickle.loads())だけでなく、危険な関数参照(例: func = pickle.load)も識別し、ローカル名前空間全体にわたる代入を追跡します。
  • 以下のような呼び出しを解決するためにインポート/エイリアスを追跡:
    • import pickle as p → p.loads(...)
    • import torch as t → t.load(...)
    • pkg.pickle.loads(...) や torch.serialization.load(...) のような深い属性
  • 検出結果を JSONL として出力し、1 行につき 1 オブジェクトを含めます:
    • ファイルパス + 位置 (lineno, col_offset)
    • module、name、qualified_name
    • category(追加フィールド、後方互換)
    • parser: どのエンジンパスが検出を行ったかを示すメタデータ(ast、tokenize_fallback、または regex_fallback)。
  • 以下により異常な入力から保護:
    • 最大ファイルサイズ (MAX_FILE_BYTES)
    • 最大訪問 AST ノード数 (MAX_AST_NODES)
  • オプション: rules.json からカスタムルールセットを読み込み、不正なエントリやタイポについて警告します。

インストール

Python 3.9 以上を推奨、3.10 以上でテスト済み。

python --version
# Python 3.9+ recommended

セットアップ要件:

  • 環境: プロバイダーに応じて、ルートディレクトリに .env ファイルを作成します:
    # For Hugging Face provider
    HF_TOKEN=your_token_here
    
    # For OpenAI / Local LLM provider
    HA_LLM_TOKEN=your_jwt_token_here
    

スキャナーを実行する前に、依存関係をインストールする必要があります:

python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt

使用方法

推奨される使用方法:

AIエージェントを使用しない場合

python deserializer.py --path cloned-repo --rules-file rules.json -j 4 --out cloned-repo/cloned-repo.jsonl

AIエージェント(ローカルLLM)を使用する場合

python deserializer.py --path cloned-repo --rules-file rules.json -j 4 --out cloned-repo/cloned-repo.jsonl --agent --agent-provider local --llm-api-url http://127.0.0.1:8181/v1

AIエージェントを使用する場合(OpenAI / ローカルLLM)

python deserializer.py --path cloned-repo --rules-file rules.json -j 4 --out cloned-repo/cloned-repo.jsonl --agent --agent-provider openai --llm-api-url http://127.0.0.1:8181/v1

AI駆動の詳細分析(フェーズ4)とAIセキュリティエージェント

このフェーズでは、専門のAIセキュリティエージェントを統合し、詳細なコードレビューを実行して複雑な0-day RCEベクターをマッピングします。エージェントは検出結果を分析して「自己コマンドインジェクション」のコンテキストを逆算し、マルチプラットフォーム(例:攻撃側 UNIX/Raspberry 対 被害側 Windows)に焦点を当てた技術的な再現ガイドを生成します。注:このフェーズは --agent フラグが指定された場合にのみ実行されます。

推論プロバイダー:

  • Hugging Face(デフォルト): MiniMax-M2.5 などのクラウドベースのAPIモデルを使用します。
    • .env ファイルまたは環境変数に HF_TOKEN が必要です。
    • コマンド: python deserializer.py --path /path/to/repo --agent --agent-provider huggingface
  • ローカルLLM(llama.cpp): ローカルのRESTサーバー(llama-server.exe)を使用します。
    • サーバー起動のコマンド例: .\llama-server.exe --model .\models\model.gguf --host 127.0.0.1 --port 8181 --ctx-size 600000 --jinja
    • コマンド: python deserializer.py --path /path/to/repo --agent --agent-provider local --llm-api-url http://127.0.0.1:8181/v1
  • OpenAI互換:
    • .env に HA_LLM_TOKEN(または OPENAI_API_KEY)が必要です。
    • コマンド: python deserializer.py --path /path/to/repo --agent --agent-provider openai --llm-api-url http://127.0.0.1:8181/v1

1. 基本スキャン

カレントディレクトリをスキャンし、検出結果をターミナルに出力します(デフォルトではJSONLを標準出力に書き込みます):

python deserializer.py

2. 対象を絞った監査

特定のリポジトリをスキャンし、検出結果を JSONL ファイルに保存します:

python deserializer.py --path /path/to/my-repo --out audit_results.jsonl

3. ターボモード(パフォーマンスチューニング)

8個の並行プロセスとファイルごとに5秒のタイムアウトを使用して、スキャンを継続的に進めます:

python deserializer.py -j 8 --timeout 5 --out findings.jsonl

4. CI/CD とパイプライン統合

バナーを無効化し、パイプ処理用に JSONL を直接 stdout へストリーミングします(人間向けログは stderr に出力されます):

python deserializer.py --no-banner --out - | jq .

5. 強化 / 安全性スキャン

処理を1MB未満のファイルに限定し、特定のデータディレクトリをスキップします:

python deserializer.py --max-size 1048576 --skip-dirs "data,samples,tests"

6. カスタム検出ルール

独自のルールセットを使用して、ロジック固有の呼び出しを検出します:

python deserializer.py --rules-file my_custom_rules.json --out legacy_audit.jsonl
ツールをダウンロード

人気

すべて見る →

コミュニティで最も使われているツールを見つけましょう。

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 究極のOSINTツールキット:調査グラフ、信頼度スコアリング、エイリアスファミリー、マップ、タイムライン、レポート。49個のモジュール、400以上のサイト、APIキー不要。

    755
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock ワンタップ実行アプリ(CVE-2026-43499)

    510
  • 3

    ARTEX

    baarai/artex

    プランナー/ワーカーエージェント、資産グラフと探索グラフ、MITMトラフィック記録、脆弱性の再テストを備えたLLMマルチエージェント自律ペネトレーションテストプラットフォーム。

    415
  • 4

    redforge

    cybersecurity91/redforge

    ブラウザ側のレッドチームツールキット。偵察、ペイロード生成、認証情報攻撃、暗号、エンコーディング、エンゲージメントレポート向けの102のオフラインツールを備えています。

    343
  • 5

    antifox

    antifox-ai/antifox

    偵察、攻撃対象領域の探索、エクスプロイト検証、証拠に基づくレポート提供を実行するAIマルチエージェント自律ペネトレーションテストプラットフォーム。

    259
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AIネイティブなサイバーセキュリティのためのアクションシステム。意図がガバナンスされた実行に変わり、証拠が運用記憶となり、すべての操作が次の操作を改善する。

    258

すべてのツールを探索

ツールコレクションを閲覧

すべてのツールを見る →