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
zairo — Scaneia diffs de código com contexto para construir um grafo de impacto e usa LLMs para encontrar vulnerabilidades, suportando varreduras multi-repositório e gating de CI com saída SARIF. | Kitploit
Ferramentas/GitHubGitHub/iamavu/zairo
Análise EstáticaAnálise de VulnerabilidadesAnálise de CódigoAnálise Dinâmica de Código (DAST)DevSecOpsSegurança de IA
GitHubiamavu/zairo

zairo

Scaneia diffs de código com contexto para construir um grafo de impacto e usa LLMs para encontrar vulnerabilidades, suportando varreduras multi-repositório e gating de CI com saída SARIF.

Ver Repositório
1489há 1 mêsAinda não revisado
Compartilhar

Avaliando o zairo

Os testes unitários do zairo verificam se ele constrói os prompts corretos e trata as respostas corretamente. Eles não conseguem dizer se um modelo, recebendo esses prompts, encontra uma vulnerabilidade introduzida por uma mudança, ou sinaliza uma que não existe. É para isso que serve este diretório: um conjunto de mudanças rotuladas, e um runner que escaneia cada uma várias vezes com um modelo real e pontua os resultados.

pip install -e .                      # from the repo root
export GEMINI_API_KEY=...             # whichever key your --model needs
python evals/run.py --model gemini/gemini-2.5-flash --repeats 3 --out results.json

Cada caso custa aproximadamente uma requisição por símbolo alterado por repetição. Os 16 casos aqui alteram de 1 a 4 símbolos cada, então uma execução de 3 repetições faz cerca de 100 requisições. Cada execução consulta o modelo do zero: sem cache, sem notas de aquecimento.

Os casos

Cada diretório em cases/ é uma alteração: before/ e after/ contêm o repositório (pequeno) inteiro em cada lado, e case.json o rotula:

{
  "description": "What the change does, and why it's vulnerable or not.",
  "vulnerable": true,
  "symbol": "search_users",
  "cwe": "CWE-89",
  "source": "synthetic"
}

Um caso vulnerável nomeia o symbol alterado em que a vulnerabilidade está e seu cwe, além, em also_cwe, quaisquer outros que também a descrevam: um cabeçalho falsificável é CWE-290, mas CWE-287 e CWE-306 não estão errados. Um caso limpo não tem nenhum destes, e deve ser limpo sem discussão. Uma alteração que é segura em high mas tem um achado medium razoável mede ruído, não falsos alarmes. O executor faz commit de before, depois after, em um repositório novo e escaneia HEAD~1..HEAD, como faria um scan de PR.

Há 9 casos vulneráveis (injeção de SQL, path traversal, uma verificação de tenant removida, carregamento inseguro de YAML, injeção de comando, um open redirect, SSRF, verificação de TLS desabilitada e um bypass de autenticação por meio de um cabeçalho falsificável) e 7 limpos. Vários limpos são construídos para parecer arriscados: uma injeção de SQL sendo corrigida, um ORDER BY formatado a partir de uma allowlist, uma chamada de subprocess com uma lista de argumentos fixa.

Estes arquivos são código de exemplo deliberadamente vulnerável. Eles nunca são empacotados ou executados, mas um scanner apontado para este repositório os encontrará.

As pontuações

Um achado bloqueia quando --fail-on impediria o PR por causa dele: marcado introduced_by_change: true, no nível de --fail-on ou acima (padrão high). Cada execução recebe um veredito:

  • Em um caso vulnerável, ele capturou o bug (um achado bloqueante no symbol do caso), o encontrou abaixo do limite (um achado que a alteração introduziu ali, em uma severidade menor), ou o perdeu.
  • Em um caso limpo, ele sinalizou a alteração (qualquer achado bloqueante) ou passou por ela.

Uma execução fica sem pontuação apenas quando não diz nada em nenhum dos sentidos: o símbolo que importa não pôde ser avaliado, ou um caso limpo não foi sinalizado mas algum símbolo falhou. Um achado bloqueante conta independentemente do que mais falhou, já que o limite ainda teria bloqueado o PR por causa dele. O executor imprime os motivos mais comuns de falha dos símbolos, e --out os mantém por execução. Um modelo de raciocínio que gasta todo o --max-tokens pensando nunca responde, então aumente-o (para 16384, por exemplo) se esse for o motivo informado.

  • recall: das execuções pontuadas em casos vulneráveis, a proporção que o capturou. Um achado em outro símbolo não conta.
  • found: a proporção que o encontrou em qualquer severidade. Um bug encontrado abaixo do limite ainda é reportado; apenas não bloqueia. Um open redirect é comumente classificado como medium, por exemplo.
  • false alarms: das execuções pontuadas em casos limpos, a proporção sinalizada: um PR bloqueado sem motivo.
  • precision: das execuções com um achado bloqueante, a proporção em que ele estava no alvo em um caso vulnerável.
  • stable: a proporção de casos em que todas as execuções pontuadas concordaram sobre se o limite bloqueia. As respostas do modelo variam; um caso capturado em uma execução a cada três é uma moeda ao ar no CI.
  • CWE matched: das execuções no alvo, a proporção que também nomeou o CWE do caso. É secundário: o bug certo sob um CWE vizinho ainda bloqueia o PR certo.
  • elsewhere: nas execuções que capturaram o bug, os achados bloqueantes em outros símbolos. Normalmente é o mesmo bug reportado de novo, no arquivo que contém a função, digamos: um bug, vários alertas. Dois achados no próprio símbolo vulnerável não contam: isso é o modelo dividindo um bug pela forma como é alcançado (name e sort na mesma consulta).

--out grava os achados de cada execução (símbolo, título, severidade, CWE, linha, se a alteração o introduziu e se ele bloqueia), os símbolos que falharam e por quê, contagens de tokens, custos e tempos, para que duas execuções, como dois modelos ou antes e depois de uma mudança de prompt, possam ser comparadas caso a caso.

Limites

Dezesseis casos pequenos e sintéticos são um teste rápido de qualidade de detecção, não um benchmark. Cada um é uma única alteração com um único bug pretendido, em código muito mais simples que um serviço real, e os vulneráveis são o tipo de bug que um revisor esperaria capturar. Commits reais que introduzem vulnerabilidades (o inverso de uma correção de CVE, digamos) são os melhores casos a adicionar. Coloque os arquivos que ele tocou, antes e depois, em um novo diretório, e rotule-o. Mantenha-os pequenos o suficiente para que a alteração seja o ponto central.

tests/test_evals.py verifica cada caso sem um modelo: que ele compila, que o zairo analisa cada arquivo que altera, e que o symbol de um caso vulnerável está entre os símbolos que a alteração tocou. Caso contrário, nenhuma varredura poderia ser pontuada como tendo-o detectado.

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.

    786
  • 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.

    429
  • 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.

    345
  • 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.

    262
  • 6

    looking-glass

    anonghosty/looking-glass

    Plataforma CSIRT que ingere relatórios do Shadowserver no MongoDB e os reproduz como mapas interativos, análises, descobertas, avisos e painéis executivos.

    256

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →