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
ARTAXERXES — 高度なマルチテクノロジーストレステストフレームワーク 高性能ネットワークテストのための教育用サイバーセキュリティツール | Kitploit
ツール/GitLabGitLab/toxy4ny/artaxerxes
ネットワークセキュリティペネトレーションテスト学習と教育レッドチーミングラボと実践
GitLabtoxy4ny/artaxerxes

ARTAXERXES

高度なマルチテクノロジーストレステストフレームワーク 高性能ネットワークテストのための教育用サイバーセキュリティツール

リポジトリを見る
932ヶ月前未レビュー

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。

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 →
共有
ウェブサイト

ARTAXERXES 🚀

高度なマルチテクノロジーストレステストフレームワーク
高性能ネットワークテストのための教育用サイバーセキュリティツール

License Platform CUDA Performance

📋 目次

  • 🎯 概要
  • ⚡ パフォーマンス比較
  • 🛠️ 技術スタック
  • 📊 アーキテクチャ
  • 🚀 クイックスタート
  • ⚙️ インストール
  • 💡 使用例
  • 🔧 詳細設定
  • 📈 ベンチマーク
  • 🧪 ラボラトリーセットアップ
  • 🎓 教育的有用性
  • ⚠️ 法的免責事項

🎯 概要

Xerxes-Ultimate は、教育用サイバーセキュリティラボ向けに特別に設計された、次世代のネットワークストレステストツールです。元のXerxes DoSツールの基盤の上に構築されたこの実装は、最先端のハードウェアアクセラレーション技術を活用し、教育上の透明性を維持しながら、前例のないパフォーマンスレベルを達成します。

主要な革新

  • 🎮 マルチGPUアクセラレーション: ペイロード生成に最大4基のRTX 4070 Ti GPUを活用
  • ⚡ ゼロコピーI/O: io_uringとGPUDirectによるCPUオーバーヘッドの排除
  • 🌐 ユーザースペースネットワーキング: DPDKでカーネルボトルネックを回避
  • 🔬 カーネルレベル最適化: 究極のパフォーマンスを実現するXDP/eBPF
  • 🧠 適応的インテリジェンス: 機械学習駆動のトラフィックパターン
  • 📊 リアルタイム分析: GPUアクセラレーションによる統計計算

⚡ パフォーマンス比較

元のXerxes vs Xerxes-Ultimate

指標元のXerxesXerxes-Ultimate改善
パケット/秒~50,000 PPS60,000,000+ PPS🚀 1,200倍高速
帯域幅~100 Mbps60+ Gbps🔥 600倍増加
同時接続数~1,0001,000,000+⚡ 1,000倍増加
CPU効率100% CPU使用率<30% CPU使用率💡 70%削減
メモリ使用量高い断片化最適化されたプール🎯 90%効率的
レイテンシ~1ms<100ナノ秒⚡ 10,000倍高速

パフォーマンスティア```mermaid

graph LR A[Original Xerxes
50K PPS] --> B[BASIC Tier
100K PPS
2x improvement] B --> C[IO_URING Tier
1M PPS
20x improvement] C --> D[GPU Tier
10M PPS
200x improvement] D --> E[DPDK Tier
30M PPS
600x improvement] E --> F[ULTIMATE Tier
60M+ PPS
1,200x improvement]

---

## 🛠️ 技術スタック

### コアテクノロジー

#### 🎮 **CUDA マルチGPUアクセラレーション**```c
// Parallel payload generation across 4 GPUs
__global__ void generate_ultimate_payloads(char *payloads, int *sizes, 
                                          int payload_count, uint64_t seed) {
    int idx = blockIdx.x * blockDim.x + threadIdx.x;
    // 512 blocks × 1024 threads × 4 GPUs = 2,097,152 parallel generators
}

利点:

  • 2,000,000以上の並列ペイロードジェネレーター
  • 暗号学的に強力なランダム化
  • パケット作成時のCPUオーバーヘッドゼロ
  • バッファリング用の合計16GBのGPUメモリ

⚡ io_uring ゼロコピーI/O```c

// Asynchronous submission queue struct io_uring ring; io_uring_queue_init(8192, &ring, IORING_SETUP_SQPOLL);

// Direct GPU->NIC transfer without CPU copies io_uring_prep_send_zc(sqe, socket_fd, gpu_buffer, size, 0);

**利点:**
- **I/Oパフォーマンスが400%向上**
- **GPUからNICへのゼロコピー転送**
- **コンテキストスイッチのオーバーヘッドを排除**
- **100,000以上の同時操作に対応**

#### 🌐 **DPDKユーザースペースネットワーキング**```c
// Bypass kernel network stack entirely
struct rte_mbuf *pkts[BURST_SIZE];
uint16_t nb_tx = rte_eth_tx_burst(port_id, queue_id, pkts, nb_pkts);

利点：

  • 500% のパケット処理性能向上
  • ハードウェアへの直接アクセス
  • 予測可能なレイテンシー（<100ns）
  • ラインレート100GbEの性能

🔬 XDP/eBPF カーネルプログラミング```c

SEC("xdp_ultimate") int xdp_stress_program(struct xdp_md *ctx) { // Kernel-level packet manipulation return XDP_TX; // Retransmit at wire speed }

**利点:**
- **ユーザースペース比200%の効率向上**
- **カーネルレベルのパケット生成**
- **プログラム可能なパケット処理**
- **ハードウェアオフロードとの統合**

---

## 📊 アーキテクチャ

### システムアーキテクチャ概要```mermaid
graph TB
    subgraph "User Space"
        A[Control Thread] --> B[Thread Pool Manager]
        B --> C[GPU Generator Threads]
        B --> D[Network Transmit Threads]
        B --> E[Statistics Monitor]
    end
    
    subgraph "GPU Cluster"
        F[RTX 4070 Ti #1<br/>2,560 cores]
        G[RTX 4070 Ti #2<br/>2,560 cores]
        H[RTX 4070 Ti #3<br/>2,560 cores]
        I[RTX 4070 Ti #4<br/>2,560 cores]
        
        F --> J[GPU Memory Pool<br/>48GB Total]
        G --> J
        H --> J
        I --> J
    end
    
    subgraph "I/O Subsystem"
        K[io_uring Ring<br/>8192 entries]
        L[DPDK PMD Drivers]
        M[Zero-Copy Buffers]
    end
    
    subgraph "Kernel Space"
        N[XDP Hook]
        O[eBPF Programs]
        P[Network Interface]
    end
    
    C --> F
    C --> G
    C --> H 
    C --> I
    
    D --> K
    D --> L
    K --> M
    L --> M
    
    M --> N
    N --> O
    O --> P
    
    P --> Q[Target Network<br/>60+ Gbps]

メモリアーキテクチャ```mermaid

graph LR subgraph "GPU Memory (16GB)" A[Payload Buffers
8GB] B[Size Arrays
2GB] C[Random States
4GB] D[Working Space
2GB] end

subgraph "Host Memory (32GB)"
    E[Pinned Buffers<br/>16GB]
    F[Ring Buffers<br/>8GB]
    G[Connection Pool<br/>4GB]
    H[Statistics<br/>4GB]
end

subgraph "NIC Memory (1GB)"
    I[DMA Buffers<br/>512MB]
    J[Descriptor Rings<br/>256MB]
    K[Hardware Queues<br/>256MB]
end

A -.->|PCIe 4.0<br/>64 GB/s| E
E -.->|Zero-Copy| F
F -.->|DMA| I

---

## 🚀 クイックスタート

### 前提条件の確認```bash
# Run the capability detector
./scripts/check-capabilities.sh

(no content provided)``` 🔍 Xerxes-Ultimate Capability Check

[✓] CUDA: 4 GPUs detected [✓] DPDK: Compatible NIC detected
[✓] io_uring: Kernel support available [✓] XDP/eBPF: Root privileges available

### 基本起動```bash
# Simple unlimited attack
./artaxerxes-ultimate 192.168.1.100 80

# Controlled burst testing
./artaxerxes-ultimate 192.168.1.100 80 10M_pps

# Bandwidth-limited testing  
./artaxerxes-ultimate 192.168.1.100 80 5Gbps

# Time-limited demonstration
./artaxerxes-ultimate 192.168.1.100 80 300s

⚙️ インストール

自動インストール```bash

Clone repository

git clone https://gitlab.com/toxy4ny/ARTAXERXES.git cd ARTAXERXES

Run quick deployment script

sudo quick-deploy.sh

### 手動インストール

#### 1. 依存関係のインストール

**Ubuntu/Debian:**```bash
# System packages
sudo apt-get update
sudo apt-get install -y build-essential cmake pkg-config \
    libnuma-dev libpcap-dev python3-pyelftools \
    libbpf-dev libelf-dev zlib1g-dev liburing-dev

# CUDA Toolkit (if not installed)
wget https://developer.download.nvidia.com/compute/cuda/12.3.0/local_installers/cuda_12.3.0_545.23.06_linux.run
sudo sh cuda_12.3.0_545.23.06_linux.run

# DPDK
wget http://fast.dpdk.org/rel/dpdk-22.11.1.tar.xz
tar xf dpdk-22.11.1.tar.xz
cd dpdk-22.11.1
meson setup build
cd build && ninja && sudo ninja install

CentOS/RHEL:```bash

Enable EPEL and PowerTools

sudo dnf install epel-release sudo dnf config-manager --set-enabled powertools

sudo dnf groupinstall "Development Tools" sudo dnf install cmake pkgconfig numactl-devel libpcap-devel
python3-pyelftools libbpf-devel elfutils-libelf-devel
zlib-devel liburing-devel

#### 2. 機能検出でビルドする```bash
# Build with all available features
make

# Build specific configuration
make CUDA_AVAILABLE=1 DPDK_AVAILABLE=1 IO_URING_AVAILABLE=1

3. システム全体にインストール```bash

sudo make install

### Dockerのインストール```bash
# Build container with all dependencies
docker build -t xerxes-ultimate .

# Run with GPU support
docker run --gpus all --privileged --net=host \
    xerxes-ultimate 192.168.1.100 80 1Gbps

💡 使用例

教育用ラボシナリオ

シナリオ 1: 基本パフォーマンスのデモンストレーション```bash

Start with minimal load to show baseline

./artaxerxes 192.168.1.100 80 100K_pps

Gradually increase to show scaling

./artaxerxes 192.168.1.100 80 1M_pps ./artaxerxes 192.168.1.100 80 10M_pps ./artaxerxes 192.168.1.100 80 50M_pps

**期待される学習成果:**
- パケット毎秒（pps）スケーリングの理解
- ハードウェアアクセラレーションの影響
- ネットワークボトルネックの特定
ツールをダウンロード