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
sec-af — Auditor de segurança de código nativo em IA no AgentField que comprova explorabilidade com veredictos, rastros e evidências acionáveis. | Kitploit
Ferramentas/GitHubGitHub/agent-field/sec-af
Análise EstáticaScanners de VulnerabilidadesAnálise de CódigoExploraçãoSegurança WebTestes de PenetraçãoDevSecOpsDetecção de SegredosSegurança da Cadeia de SuprimentosSegurança de IA
GitHub
1944146há 5 diasRevisado pelo Kitploit
agent-field/sec-af

sec-af

Auditor de segurança de código nativo em IA no AgentField que comprova explorabilidade com veredictos, rastros e evidências acionáveis.

Ver RepositórioSite
Compartilhar

SEC-AF

Auditor de Segurança Nativo em IA Construído sobre AgentField

Apache 2.0 Python Built with AgentField Deploy on Railway More from Agent-Field

Saída • Benchmark • Como Funciona • Comparação • Início Rápido • API

Outras ferramentas sinalizam padrões. O SEC-AF prova a explorabilidade: cada descoberta vem com um veredito, um rastreamento de fluxo de dados e evidências sobre as quais você pode agir. Gratuito, de código aberto, uma única chamada de API. Uma auditoria completa com 30 descobertas verificadas custa cerca de $1,40 em chamadas de LLM.

SEC-AF — auditor de segurança nativo em IA

DX de Uma Chamada

Dispare-o com a CLI af (requer af ≥ 0.1.87) — ela transmite o progresso em tempo real e imprime o resultado:

af call sec-af.audit --in '{"repo_url": "https://github.com/dolevf/Damn-Vulnerable-GraphQL-Application"}'

Prefere HTTP bruto? Acesse a API diretamente com curl:

curl -X POST http://localhost:8080/api/v1/execute/async/sec-af.audit \
  -H "Content-Type: application/json" \
  -d '{"input": {"repo_url": "https://github.com/dolevf/Damn-Vulnerable-GraphQL-Application"}}'

O Que Você Recebe de Volta

Este é um achado real da auditoria do SEC-AF ao DVGA (um aplicativo GraphQL deliberadamente vulnerável):

{
  "title": "OS Command Injection in run_cmd Helper Function",
  "severity": "critical",
  "verdict": "confirmed",           // not "maybe" — confirmed exploitable
  "evidence_level": 5,
  "cwe_id": "CWE-78",

  "rationale": "Tracer confirms complete data flow from GraphQL parameters
    (host, port, path, scheme, cmd, arg) to os.popen(cmd).read() sink.
    Sanitization functions are bypassable in Easy mode...",

  "proof": {
    "verification_method": "composite_subagent_chain:sast",
    "data_flow_trace": [
      { "description": "core/views.py:203 — GraphQL args defined (host, port, path, scheme)", "tainted": true },
      { "description": "core/views.py:210 — URL constructed from user input", "tainted": true },
      { "description": "core/views.py:211 — helpers.run_cmd(f'curl {url}') called", "tainted": true },
      { "description": "core/helpers.py:9 — os.popen(cmd).read() executes input", "tainted": true }
    ]
  },

  "location": {
    "file_path": "core/helpers.py",
    "start_line": 9,
    "code_snippet": "def run_cmd(cmd):\n  return os.popen(cmd).read()"
  }
}

Cada descoberta inclui um veredito (confirmed / likely / inconclusive / not_exploitable), um objeto de prova com o rastreamento completo de taint e a localização exata do código. Não é "isso pode ser um problema". O SEC-AF rastreia os dados da origem ao sumidouro e prova se é realmente explorável.

Saída completa do benchmark (30 descobertas): exampl/dvga-benchmark-result.json | Análise de desempenho: exampl/benchmark-analysis.json

Benchmark: DVGA

Executamos o SEC-AF contra o Damn Vulnerable GraphQL Application, um aplicativo deliberadamente vulnerável com 21 cenários de segurança documentados.

MétricaValor
Descobertas brutas106
Após deduplicação por IA61
Após verificação adversarial28 confirmadas
Inconclusivas (necessitam revisão manual)1
Não exploráveis (corretamente rejeitadas)1
Redução de ruído94%
Arestas do DAG (chamadas do raciocinador)82
Chamadas de agente~166–255
Estratégias executadas11
Tempo de relógio~78 min
Custo estimado (Kimi K2.5)~$0,18–$0,90
Detalhamento: 30 descobertas verificadas por categoria
CategoriaQuantidadeExemplos
Autenticação ausente8ImportPaste, delete_all_pastes, system_debug, CreateUser, upload de arquivo
Injeção de comando4os.popen(cmd) via ImportPaste, system_debug, system_diagnostics
Injeção de SQL3filter não sanitizado em resolve_pastes, injeção de padrão LIKE, login
Bypass de autenticação3Assinatura JWT desabilitada, bypass de autorização JWT, autenticação por senha quebrada
Credenciais em texto puro3Armazenamento de senha em texto claro, comparação em texto puro, senha em diagnósticos
SSRF2Mutação ImportPaste segue URLs fornecidas pelo usuário no lado do servidor
Lógica de negócio / Sanitização de URL2Sanitização inadequada de URL, exclusão em massa sem autenticação
DoS / Esgotamento de recursos3Falta de paginação nas consultas de usuários/auditorias, simulate_load sem controle
Configuração / Segredos2Segredos JWT/Flask codificados, modo de depuração habilitado em produção
Padrões de design: como funciona a análise de segurança nativa em IA

O SEC-AF aplica vários padrões arquiteturais que são exclusivamente possibilitados pela composição de muitos agentes de IA focados, em vez de executar uma varredura monolítica. Esses padrões abordam desafios fundamentais na análise de segurança orientada por IA.

1. Tensão de agente adversarial (CAÇAR vs. PROVAR)

A maioria das ferramentas de segurança de IA pergunta a um único modelo "isso é vulnerável?" e aceita a resposta. O SEC-AF separa estruturalmente os agentes de descoberta dos agentes de refutação. Os caçadores são incentivados a encontrar vulnerabilidades; os provadores são incentivados a refutá-las. Cada descoberta passa por uma cadeia de verificação de 4 agentes — um rastreador reconstrói o fluxo de dados, um analisador de sanitização procura mitigações que o caçador pode ter perdido, um hipotetizador de exploração constrói um cenário de ataque concreto e um agente de veredito pondera todas as evidências conflitantes. Essa tensão adversarial entre agentes é o que impulsiona a redução de ruído de 94% — a própria arquitetura codifica o ceticismo.

2. Cascata de sinal com estreitamento progressivo

Em vez de despejar todas as descobertas no usuário, o pipeline comprime o sinal em cada estágio: 106 descobertas brutas → 61 após deduplicação por IA → 30 após verificação adversarial. Cada fase é um filtro. Isso espelha como as equipes de segurança humanas fazem triagem — primeiro descoberta ampla, depois escrutínio progressivamente mais rigoroso. A percepção-chave é que cada filtro é um tipo diferente de raciocínio de IA: similaridade semântica para deduplicação, análise de taint para verificação, construção de exploração para confirmação.

3. Economia de informação via poda de contexto

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.

    732
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    506
  • 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.

    405
  • 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.

    342
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    O sistema de ação para cibersegurança nativa em IA—onde a intenção se torna execução governada, a evidência se torna memória operacional, e cada operação melhora a próxima.

    261
  • 6

    antifox

    antifox-ai/antifox

    Plataforma de testes de penetração autónoma com multiagentes de IA que executa reconhecimento, descoberta de superfície de ataque, validação de exploração e entrega de relatórios com evidências.

    259

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →