bee-san/ciphey⚡ Descriptografa automaticamente criptografias sem conhecer a chave ou cifra, decodifica codificações e quebra hashes ⚡
➡️
Discord |
Documentação
⬅️
ciphey é a próxima geração de ferramentas de decodificação, construída pelas mesmas pessoas que trouxeram Ciphey.
Pretendemos substituir totalmente Ciphey pelo ciphey.
✨ Você pode ler mais sobre o ciphey aqui https://skerritt.blog/introducing-ciphey/ ✨
A maneira mais simples de usar o ciphey é se juntar ao Servidor Discord, ir ao canal #bots e usar o ciphey com $ciphey. Digite $help para informações úteis!
A segunda melhor maneira é usar cargo install ciphey e chamá-lo com ciphey.
Você também pode fazer git clone deste repositório e executar docker build . para obter uma imagem.
Algumas funcionalidades que podem lhe interessar, e das quais nos orgulhamos.
ciphey é rápido. Muito rápido. Outros decodificadores como o Ciphey exigem inteligência artificial avançada para determinar qual caminho seguir para decodificar (se tentar Cifra de César depois ou Base64, etc).
ciphey é tão rápido que atualmente não precisamos nos preocupar com isso. Para cada 1 decodificação que o Ciphey consegue fazer, o ciphey consegue fazer ~7. Isso é um aumento de 700% na velocidade.
Existem 2 partes principais no ciphey: a biblioteca e a CLI. A CLI simplesmente usa a biblioteca, o que significa que você pode construir sobre o ciphey. Algumas funcionalidades que criamos são:
ciphey atualmente suporta 16 decodificadores e está crescendo rápido. Ciphey suporta cerca de ~50, e estamos adicionando mais todos os dias.
Um dos grandes problemas do Ciphey é que ele poderia rodar para sempre. Se não conseguisse decodificar seu texto, você nunca saberia!
ciphey tem um temporizador (incorporado na biblioteca e na CLI) que significa que ele eventualmente expirará. A CLI tem como padrão 5 segundos, o Bot do Discord tem 10 (para levar em conta as mensagens de rede sendo enviadas).
ciphey já tem ~120 testes, testes de documentação (para garantir que nossas docs estejam atualizadas) e impomos documentação em todos os nossos componentes principais. Isso é lindo.
LemmeKnow é a versão Rust do PyWhat. É 33 vezes mais rápido, o que significa que agora podemos decodificar e determinar se algo é um endereço IP ou o que for 3300% mais rápido do que em Python.
Ciphey não suportava multithreading, era bastante lento. ciphey suporta isso nativamente usando Rayon, uma das bibliotecas de multithreading mais rápidas existentes.
Embora não vejamos totalmente os efeitos disso com apenas 16 decodificadores (e eles sendo bastante rápidos), à medida que adicionarmos mais decodificadores (e mais lentos), veremos que isso não afetará tanto a velocidade geral do programa.
Ciphey não suportava decriptações de múltiplos níveis como um caminho de Rot13 -> Base64 -> Rot13 porque era muito lento. ciphey é rápido o suficiente para suportar isso, embora planejemos desligá-lo eventualmente.
ciphey agora suporta níveis configuráveis de sensibilidade para detecção de gibberish, permitindo uma identificação mais precisa de texto simples em diferentes tipos de codificações. Cifras clássicas como César usam sensibilidade Baixa para lidar melhor com resultados que se assemelham ao inglês, enquanto a maioria dos outros decodificadores usa sensibilidade Média por padrão.
Este recurso ajuda a reduzir falsos positivos e negativos na detecção de texto simples, tornando o ciphey mais confiável em uma gama mais ampla de textos codificados.
ciphey agora oferece detecção aprimorada de texto simples usando um modelo baseado em BERT da crate gibberish-or-not. Este recurso:
ciphey --enable-enhanced-detectionAgora usamos busca A*. Isso é muito rápido.
A* funciona usando uma heurística para estimar o custo de alcançar o objetivo a partir do estado atual.
Primeiro, ignoramos a heurística para decodificadores muito rápidos como Base64 e garantimos que eles sejam executados primeiro a cada nó.
Depois, calculamos a heurística para os decodificadores restantes usando cipher_identifier, que pode determinar a probabilidade de uma determinada string ser uma certa cifra.
Armazenamos resultados anteriores em um cache para evitar recalcular o mesmo caminho.
Podamos a árvore de busca para evitar cálculos desnecessários e manter o uso de memória baixo se ficar muito alto.
Também acompanhamos estatísticas dos decodificadores para priorizar dinamicamente aqueles que funcionam melhor (exemplo: César é popular, mas Beaufort não, então César será priorizado dinamicamente sobre Beaufort)
Finalmente, acompanhamos pares populares. Então base64 -> base64 é muito popular, então priorizamos esse caminho (entre outros).
Agora você pode definir um tema personalizado para o ciphey. Isso é útil se você quiser que o ciphey tenha uma aparência diferente.
Isso também ajuda na acessibilidade.
Agora usamos talvez o melhor algoritmo para Vigenere.
É rápido, preciso e lida com caracteres não-letras melhor do que qualquer outro algoritmo.
Usamos um verificador de quadgramas / trigramas / dicionário de inglês para calcular a probabilidade de texto simples.
Alteramos os limites dependendo da cifra. Exemplo: César retorna texto que "parece" inglês, enquanto base64 não.
Além disso, temos um banco de dados de cerca de 500 expressões regulares populares de chaves de API, endereços MAC, etc.
Também temos uma função is_password para determinar se uma string é uma senha exata vista em um vazamento de dados.
Agora armazenamos estatísticas em um banco de dados. Isso é útil para ver como o ciphey está se saindo ao longo do tempo.
Usamos IA para 2 coisas: