Skip to content
KitploitKITPLOIT
FerramentasBlog
Log in
Enviar
FerramentasBlog
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/fuzzingbrain/fuzzingbrain-bench
Análise Dinâmica (Sandboxing)Análise de VulnerabilidadesFuzzingAprendizado e EducaçãoSegurança de IALabs e Prática
GitHubfuzzingbrain/fuzzingbrain-bench

FuzzingBrain-Bench

Um benchmark para descoberta de bugs orientada por LLM: 77 desafios em 43 projetos de código aberto (C/C++/Java).

Compartilhar
Ver RepositórioSite
93101há 16 diasAinda não revisado

FuzzingBrain Bench

Um benchmark para reprodução de vulnerabilidades orientada por LLM em 77 bugs zero-day reais em 43 projetos de código aberto (C / C++ / Java).

Cada desafio fornece ao agente apenas o fuzz harness (o alvo) e o código-fonte do projeto na revisão vulnerável — sem patch, sem commit de correção, sem linha alvo. O agente deve descobrir uma entrada que reative uma falha sob o sanitizer. Cada avaliação é determinística (sem LLM-as-judge) e ocorre na imagem e offline: o candidato é executado através do harness oficial instrumentado com sanitizer embutido no contêiner do desafio, e a execução é pontuada pelos crashes distintos que o agente provocou. Nada sai da máquina e nenhum serviço precisa estar ativo.

DesafiosProjetosLinguagensAvaliador
77 ponta a ponta43C · C++ · Javadeterminístico — na imagem, offline

Nada nas imagens ou neste repositório revela o que é um bug — os desafios são nomeados por alias neutro (<project>-NN, por exemplo avro-03), e o gabarito (PoC, falha esperada, build corrigido) não está em nenhum dos dois: ele permanece com o mantenedor. Navegue por todos os 77: tools/sealed/CHALLENGES.md.


Início rápido

1. Configuração

git clone https://github.com/fuzzingbrain/FuzzingBrain-Bench
cd FuzzingBrain-Bench

python3 -m venv .venv && source .venv/bin/activate   # recommended (and required on
                                                     # Debian/Ubuntu, PEP 668)
pip install -e .                              # needs Python ≥ 3.10 and Docker

# put your model key(s) in ./.env — auto-loaded on every run, no need to export
cat > .env <<'EOF'
ANTHROPIC_API_KEY=sk-ant-...
OPENAI_API_KEY=sk-...
GEMINI_API_KEY=...
DEEPSEEK_API_KEY=sk-...
EOF

fb-bench list                                 # the 77 challenges (by alias)
fb-bench models                               # supported models + which keys are loaded

(./.env é lido automaticamente; um simples export ANTHROPIC_API_KEY=... também funciona.)

Reexecute source .venv/bin/activate em cada novo shell. Ou ignore o venv com pip install --break-system-packages -e . (não recomendado).

fb-bench run baixa a imagem pública do desafio, conduz o loop do agente no host (chamando a API do seu modelo) e avalia cada candidato dentro dessa imagem — sem rede, nada a alcançar. Apenas Docker + a chave do seu modelo são necessários, e uma execução pontua os crashes distintos que o agente encontrou — a identidade de um crash é o tipo de falha do sanitizer mais os frames superiores da pilha, portanto a mesma falha atingida vinte vezes conta uma vez.

O --arm api padrão não precisa de nada além do acima. Os backends --arm codex e --arm claudecode precisam de CLIs de fornecedor — opcionais, instalados separadamente (nunca fazem parte de pip install -e .); consulte §4.

2. Execute um desafio com um modelo

# Claude family  (haiku is cheapest/fastest; swap in opus/sonnet for harder runs)
fb-bench run avro-03 --model claude-haiku-4-5

# GPT family
fb-bench run avro-03 --model gpt-5.5

# Gemini family
fb-bench run avro-03 --model gemini-3.1-pro-preview

# DeepSeek family  (OpenAI-compatible endpoint; needs DEEPSEEK_API_KEY)
fb-bench run avro-03 --model deepseek-v4-flash

Modelos: claude-haiku-4-5 · claude-sonnet-4-6 · claude-opus-4-8 · gpt-5.5 · gpt-5.4 · gpt-5 · gemini-3.1-pro-preview · gemini-2.5-flash · deepseek-v4-pro · deepseek-v4-flash (qualquer id de catálogo funciona via --model; consulte fb-bench models).

3. Execute muitos — mesmo comando, um ou vários

fb-bench run aceita um bug ou vários, um modelo ou vários. Uma execução única é apenas uma matriz de tamanho um, portanto não existe um comando separado de "sweep":

# recommended full run: one model over the whole corpus, named output, PoCs
# preserved (the default) for later inspection. The agent keeps hunting past its
# first crash unless you pass --stop-on-crash
fb-bench run all --model claude-haiku-4-5 --output run1 --max-turns 100

# the curated cross-model roster, all challenges, 4 cells in parallel
fb-bench run all --model default-lineup --output sweep1 --jobs 4

# a couple of bugs, 3 samples each
fb-bench run avro-03,jq-01 --model gpt-5.5 --samples 3 --output probe

# just re-print the leaderboard from an existing run
fb-bench run all --model claude-haiku-4-5 --output run1 --report-only

<bugs> é um alias, uma lista separada por vírgulas ou all; --model é um id, uma lista separada por vírgulas, default-lineup ou all. Os resultados ficam em output/<name>/<bug>/<model>/seed-N/ (score.json, episode.jsonl, transcript.jsonl, cost.json, traj.md destilado); um leaderboard é impresso no final. --output aceita um nome simples (aninhado em output/) ou um caminho (usado como está). Cada execução recebe sua própria pasta: omita --output e ela fica em output/run_<timestamp>; nomeie uma pasta que já existe e uma nova execução cria um fork <name>_<timestamp> em vez de retomar nela — assim duas execuções nunca compartilham resultados (--report-only é o único leitor, abrindo uma pasta no local).

4. Modos de agente — mesmo run, escolha o backend com --arm

Os três backends de agente compartilham uma única entrada. --arm seleciona qual deles conduz o desafio; todo o resto (<bugs>, --jobs, --samples, --output, a pasta por execução, o leaderboard) é idêntico entre os arms.

fb-bench run avro-03 --model gpt-5.5            # --arm api (default): provider model
fb-bench run avro-03 --arm codex               # OpenAI codex CLI (default gpt-5.5)
fb-bench run avro-03 --arm claudecode --model sonnet --auth sub   # Claude Code CLI
fb-bench run all     --arm codex --jobs 4      # whole corpus, batched
  • --arm codex aciona o codex exec da OpenAI sobre o servidor MCP do bench. --model define o modelo do codex (padrão gpt-5.5), fixado via seu config.toml.
  • --arm claudecode aciona a CLI do Claude Code. --model escolhe o modelo claude (sonnet/opus/haiku).

Ambos os arms de fornecedor aceitam --auth {api,sub}: api = a chave de API do provedor (OPENAI_API_KEY / ANTHROPIC_API_KEY, pagamento por uso, sem limitação), sub = um login de assinatura (codex: um plano ChatGPT Plus/Pro/Business/Edu/Enterprise; claudecode: OAuth do claude.ai). O padrão é auto — prefira api quando a chave de API estiver presente, caso contrário, recorra a sub.

Opcional — instale a CLI do fornecedor para o arm que você usa

Estes são extras opcionais e não são instalados por pip install -e .. O --arm api padrão nunca precisa deles. Instale apenas a CLI cujo arm você planeja executar (ambas precisam do Node):

# --arm codex → OpenAI Codex CLI. Authenticate once, matching the --auth you use:
npm install -g @openai/codex
#   --auth api (default when OPENAI_API_KEY is set):
printenv OPENAI_API_KEY | codex login --with-api-key
#   --auth sub (needs a ChatGPT Plus/Pro/Business/Edu/Enterprise plan; a free
#   ChatGPT account can't use the codex models):
codex login                                  # sign in with your ChatGPT plan

# --arm claudecode → Claude Code CLI.
npm install -g @anthropic-ai/claude-code
#   --auth api (default when ANTHROPIC_API_KEY is set): nothing to do
#   --auth sub: one-time claude.ai OAuth login
claude

A tarefa é sempre cega

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 →