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
reverse-SynthID-text — engenharia reversa do SynthID para texto | Kitploit
Ferramentas/GitHubGitHub/aloshdenny/reverse-synthid-text
Engenharia ReversaEsteganografiaCriptografiaAprendizado de MáquinaPapers e PesquisaAprendizado e EducaçãoSegurança de IAAtaque Adversário
GitHubaloshdenny/reverse-synthid-text

reverse-SynthID-text

engenharia reversa do SynthID para texto

Ver Repositório
972467há 10 mesesRevisado pelo Kitploit
Compartilhar

Engenharia Reversa da Marca d'Água SynthID

Análise da Marca d'Água SynthID

Visão Geral

Este diretório contém ferramentas para analisar e remover marcas d'água SynthID de texto gerado por IA. A marca d'água foi desenvolvida pelo Google DeepMind e publicada na Nature (2024).

Como o SynthID Funciona

Processo de Marcação

  1. Contexto de N-gramas: Para cada posição de token, o SynthID considera os ngram_len - 1 tokens anteriores (padrão: 4 tokens) como contexto.

  2. Cálculo de Hash: Ele calcula um hash de:

    • Os tokens de contexto
    • O próximo token candidato
    • Um conjunto de chaves secretas de marcação (30 por padrão)
  3. Atribuição de valor G: O hash é usado para atribuir um valor g binário (0 ou 1) a cada possível próximo token para cada camada de chave.

  4. Modificação de Probabilidade: As probabilidades dos tokens são modificadas para favorecer tokens com valor g = 1:

    new_prob[i] = prob[i] * (1 + g[i] - mean(g * prob))
    
  5. Amostragem: O modelo amostra da distribuição modificada.

Processo de Detecção

  1. Tokenizar o texto
  2. Para cada n-grama, calcular os valores g usando as mesmas chaves
  3. Se a média dos valores g for significativamente > 0,5, o texto está marcado

Vulnerabilidades

1. Ataque de Paráfrase (Mais Eficaz)

Eficácia: 90-100%

A marca d'água está embutida na sequência específica de tokens, não no significado. Parafrasear com um modelo não marcado regenera completamente a sequência de tokens.

from reverse_synthid import ParaphrasingAttack
attack = ParaphrasingAttack(model_name="gpt2")
clean_text = attack.paraphrase(watermarked_text)

2. Ataque de Substituição de Token

Eficácia: 50-70%

Substituir tokens por sinônimos quebra os padrões de n-gramas:

from reverse_synthid import TokenPerturbationAttack
attack = TokenPerturbationAttack()
clean_text = attack.substitute_synonyms(text, rate=0.3)

3. Ataque de Homóglifo

Eficácia: 95-100%

Substituir caracteres por caracteres Unicode visualmente idênticos quebra o hash:

from reverse_synthid import HomoglyphAttack
attack = HomoglyphAttack()
clean_text = attack.apply_homoglyphs(text, rate=0.1)

4. Deslocamento de Limite de N-grama

Eficácia: 30-50%

Inserir ou remover palavras desloca todos os limites subsequentes de n-gramas:

from reverse_synthid import TokenPerturbationAttack
attack = TokenPerturbationAttack()
clean_text = attack.insert_fillers(text, rate=0.1)

Arquivos

  • reverse_synthid.py - Conjunto principal de ferramentas de ataque com múltiplos métodos
  • analyze_watermark.py - Ferramenta de detecção e análise de marca d'água
  • test_removal.py - Script de teste demonstrando remoção de marca d'água

Uso

Analisar Marca d'Água

python analyze_watermark.py --input text.txt --verbose

Remover Marca d'Água

# Usando paráfrase (mais eficaz, requer modelo)
python analysis/reverse_synthid.py --input text.txt --output clean.txt --method paraphrase

# Usando perturbação (nenhum modelo necessário)
python analysis/reverse_synthid.py --input text.txt --output clean.txt --method perturb

# Usando ataque combinado
python reverse_synthid.py --input text.txt --output clean.txt --method combined

Executar Teste

python analysis/test_removal.py

Comparando Texto com e sem Marca d'Água SynthID

Comparação

Detalhes Técnicos

Insight Principal: A Marca d'Água é Frágil

A marca d'água depende de:

  1. Sequências exatas de tokens - Qualquer alteração nos tokens afeta os n-gramas
  2. Janelas de contexto - Inserir tokens desloca todos os contextos
  3. Função hash - Bytes diferentes produzem hashes diferentes

Por que a Paráfrase Funciona

Quando você parafraseia um texto:

  1. O significado semântico é preservado
  2. Mas os tokens exatos são completamente diferentes
  3. Os hashes dos n-gramas são completamente diferentes
  4. O padrão de valor g é destruído

Análise Teórica

Para um texto de comprimento N com força de marca d'água W:

  • Taxa de substituição r reduz o sinal em aproximadamente 1 - (1-r)^(ngram_len)
  • Taxa de inserção r desloca N*r limites de n-gramas
  • Paráfrase essencialmente define W → 0 (regeneração completa)

Limitações

  1. A paráfrase pode alterar nuances de significado
  2. Ataques simples podem ser detectáveis
  3. Marcas d'água futuras podem ser mais robustas

Aviso Legal

Este código é apenas para fins educacionais e de pesquisa. Ele demonstra vulnerabilidades em esquemas de marca d'água para ajudar a desenvolver métodos mais robustos.

Referências

  1. Dathathri et al. "Scalable watermarking for identifying large language model outputs." Nature 634, 818-823 (2024).
  2. https://github.com/google-deepmind/synthid-text
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.

    708
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    500
  • 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.

    398
  • 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.

    341
  • 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.

    259
  • 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.

    257

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →