Skip to content
KitploitKITPLOIT
FerramentasExploitsBlog
Log in
Enviar
FerramentasExploitsBlog
Enviar

Ferramentas de Hacking, PenTest e Cibersegurança para o seu Arsenal de Segurança!

Kitploit é um diretório de ferramentas de hacking, cibersegurança e pentesting. Descubra as últimas atualizações de projetos para encontrar vulnerabilidades, analisar sistemas, automatizar testes e fortalecer sua segurança.

FeedsContatoPrivacidade© 2026 Kitploit

Diretório de Ferramentas

Categorias

Ver todas as categorias
Loading categories
Ferramentas/GitHubGitHub/9xeb/context-segmentation
CTFAprendizado de MáquinaPapers e PesquisaAprendizado e EducaçãoSegurança de IALabs e Prática
GitHub9xeb/context-segmentation

context-segmentation

Gerenciamento de contexto automatizado multiagente para tarefas de longo horizonte em Agentes de IA locais

Ver Repositório
144há 4 mesesAinda não revisado
Compartilhar

Segmentação de Contexto para Agentes SLM

Esta é a implementação da solução proposta no artigo científico: Evaluating Context Segmentation in Locally Deployable SLMs for Cybersecurity CTF Tasks

Configuração

Certifique-se de ter o Python 3.12.3+ instalado juntamente com o Docker engine

Ambiente Python

python3 -m venv .venv
source .venv/bin/activate
python3 -m pip install -r requirements.txt

llama.cpp

Inicie o llama.cpp com Vulkan

docker compose --profile vulkan up -d

ou com Cuda

docker compose --profile cuda up -d

Compilar Modelos e Contentores

Descarregue o Large Language Model (LLM) pretendido em formato GGUF do HuggingFace, depois compile os contentores intercode-ctf.

docker exec -it llamacpp ./llama-cli -hf unsloth/gemma-4-E2B-it-GGUF:Q4_K_M  # or any other GGUF model on HF
docker build -t intercode-ctf -f intercode/docker/ctf.Dockerfile ./intercode
docker restart llamacpp

Executar benchmark

Execute N benchmarks de uma estratégia (plain ou explorer)

Isto acumula resultados num ficheiro $MODEL_NAME.$STRATEGY.bench

OPENAI_API_BASE=http://127.0.0.1:8080/ \
OPENAI_API_KEY=1234 \ #Mock key (we run locally)
python3 intercode_test.py \
  --model unsloth/gemma-4-E2B-it-GGUF:Q4_K_M \ #HF model
  --strategy plain \ #plain or explorer
  --count 1 #N

Verifique os resultados do benchmark

jq '.' gemma-4-E2b-it-GGUF:Q4_K_M.plain.bench

Observações

O código no diretório intercode foi retirado de princeton-nlp/intercode e ajustado para funcionar com a nossa configuração.

Baixar ferramenta

Mais Populares

Ver todos →

Descubra as ferramentas mais usadas pela nossa comunidade.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 O kit definitivo de OSINT: grafo de investigação, pontuação de confiança, famílias de alias, mapa, linha do tempo e relatórios. 49 módulos, mais de 400 sites, sem necessidade de chaves de API.

    516
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Aplicativo de Execução em Um Toque GhostLock (CVE-2026-43499)

    476
  • 3

    ARTEX

    baarai/artex

    Plataforma autônoma de testes de penetração multiagente com LLM, com agentes planejador/executor, grafos de ativos e de exploração, registro de tráfego MITM e reteste de vulnerabilidades.

    355
  • 4

    redforge

    cybersecurity91/redforge

    Kit de ferramentas de red team do lado do navegador com 102 ferramentas offline para reconhecimento, geração de payloads, ataques a credenciais, criptografia, codificação e relatórios de engajamento.

    315
  • 5

    estorides

    grisuno/estorides

    Agrega mais de 99 fontes OSINT gratuitas em paralelo, resolve entidades em um grafo de conhecimento e exporta STIX 2.1, MISP ou GraphML com análise assistida por LLM.

    303
  • 6

    opencti

    opencti-platform/opencti

    Plataforma Aberta de Inteligência de Ameaças Cibernéticas

    285

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →