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
SBOM-VEX-Taint-Analysis — Pipeline automatizada de SBOM para VEX usando um sistema seguro de IA multiagente para analisar CVEs, raciocinar sobre explorabilidade e gerar documentos VEX CycloneDX assinados em conformidade com as diretrizes OWASP GenAI. | Kitploit
Ferramentas/GitHubGitHub/owasp/sbom-vex-taint-analysis
Análise de VulnerabilidadesSegurança da Cadeia de SuprimentosPapers e PesquisaAprendizado e EducaçãoRecursos CuradosSegurança de IA
GitHubowasp/sbom-vex-taint-analysis

SBOM-VEX-Taint-Analysis

Pipeline automatizada de SBOM para VEX usando um sistema seguro de IA multiagente para analisar CVEs, raciocinar sobre explorabilidade e gerar documentos VEX CycloneDX assinados em conformidade com as diretrizes OWASP GenAI.

Ver Repositório
21116há 2 diasAinda não revisado
Compartilhar

SBOM → VEX Agent

Gere automaticamente documentos CycloneDX VEX assinados a partir de SBOMs usando um pipeline seguro de IA multiagente, construído de acordo com as diretrizes do OWASP GenAI Security Project.

License: MIT OWASP CycloneDX AutoGen


O Problema

Gerar um SBOM revela centenas de CVEs. Na prática, mais de 90% não são exploráveis no contexto de execução de um produto específico. Sem um documento Vulnerability Exploitability eXchange (VEX), todas as ferramentas downstream — Dependency-Track, gates de release, checklists de procurement — afogam-se em falsos positivos.

Leia a WIKI para mais detalhes técnicos e resultados dos testes

A geração manual de VEX consome tempo e não escala. Um analista experiente pode passar horas avaliando um único componente. Um SBOM de produção pode conter 500–2.000 componentes.

Este projeto automatiza esse pipeline de raciocínio — de forma segura, sem vendor lock-in, com todos os dados permanecendo na sua infraestrutura.

Motivação do mundo real: Em 2024, a pesquisadora de segurança Johanna Curiel documentou exatamente esse problema ao analisar o Kubernetes Java Client. O scanner OSV identificou uma CVE de alto risco em com.diffplug.spotless:spotless-maven-plugin 1.17.0 em segundos. Determinar que era not_affected (plugin de build-time, nunca executado em runtime) levou horas de análise manual. Este projeto automatiza essa etapa de raciocínio.


Arquitetura

Quatro zonas de segurança. Nada cruza uma fronteira sem validação explícita.

┌─────────────────────────────────────────────────────────────────┐
│  ZONE 1 — Input ingestion (no LLM)                              │
│  SBOM upload → Schema validate → Sanitise → SHA-256 audit hash  │
└────────────────────────────┬────────────────────────────────────┘
                             │
┌────────────────────────────▼────────────────────────────────────┐
│  ZONE 2 — OWASP guardrail middleware                            │
│  Prompt guard (LLM01) · Output filter (LLM02/05)                │
│  Agency limiter (LLM06) · Token budget (LLM10)                  │
└────────────────────────────┬────────────────────────────────────┘
                             │
┌────────────────────────────▼────────────────────────────────────┐
│  ZONE 3 — Multi-agent pipeline (AutoGen AgentChat)              │
│                                                                  │
│  Orchestrator                                                    │
│       ├── CVE Analyst       NVD v2 + OSV + EPSS per component   │
│       ├── Exploit Reasoner  Call graph · LLM reasoning · RAG    │
│       └── VEX Writer        CycloneDX 1.6 schema-validated      │
│                                                                  │
│  Vector store (Qdrant) — signed past VEX decisions              │
└────────────────────────────┬────────────────────────────────────┘
                             │
┌────────────────────────────▼────────────────────────────────────┐
│  ZONE 4 — Output, signing, audit                                │
│  Human-in-the-loop gate → cosign/GPG sign → audit log           │
└─────────────────────────────────────────────────────────────────┘

Conformidade com OWASP GenAI

Este projeto foi concebido em conformidade com o OWASP Top 10 for LLM Applications 2025 e o OWASP Top 10 for Agentic Applications 2026.

Risco OWASPIDMitigação neste projeto
Injeção de PromptLLM01Todos os campos do SBOM são sanitizados antes da injeção no LLM; lista de bloqueio de padrões de injeção
Divulgação de Informações SensíveisLLM02Filtro de PII em todas as saídas dos agentes; filtro de caminhos internos
Tratamento Inadequado de SaídasLLM05Validação do esquema CycloneDX antes da assinatura; nova tentativa em caso de falha
Agência ExcessivaLLM06Ferramentas somente leitura durante a análise; gate HITL para todas as decisões de CVSS ≥ 7,0
Vazamento de Prompt de SistemaLLM07Políticas internas separadas do prompt de sistema
Fragilidade de Vetores / EmbeddingsLLM08Vetores armazenados assinados; proveniência verificada antes da injeção de contexto
Consumo IlimitadoLLM10MaxMessageTermination(20); orçamento de tokens por componente; timeout do NVD

A intervenção humana (human-in-the-loop) é obrigatória. Uma declaração VEX not_affected para uma CVE de alta severidade é uma afirmação de nível jurídico. Nenhum VEX é assinado sem a aprovação de um revisor humano. Isto não é configurável.


Stack Tecnológica

ComponenteFerramentaNotas
Orquestração de agentesAutoGen AgentChat v0.4Multiagente, uso de ferramentas, hooks de mensagens
LLM (recomendado)Qwen2.5-Coder-32BMelhor JSON estruturado + raciocínio de segurança
Servidor LLMvLLM (prod) / Ollama (dev)API compatível com OpenAI
Dados de CVENVD v2 API + OSV.dev + EPSSTodos gratuitos, sem necessidade de chave de API
Armazenamento vetorialQdrantAuto-hospedado, decisões VEX anteriores
Embeddingsall-MiniLM-L6-v2 (sentence-transformers)Totalmente local
Formatos de SBOMCycloneDX 1.4–1.7 (JSON/XML), SPDX 2.3/3.0Validados por esquema na ingestão
Saída VEXCycloneDX 1.6 VEXValidado por esquema antes da assinatura
Assinaturacosign (Sigstore keyless)Com carimbo de data/hora, registado em log de auditoria
Log de auditoriaPostgreSQL (append-only, pgaudit)Cada decisão do agente registada

Tudo é executado no local. Nenhum dado sai da sua infraestrutura.


Requisitos

Hardware (produção):

  • 1× A100 80GB, ou 2× RTX 3090 (48GB de VRAM combinada) para o Qwen2.5-Coder-32B
  • 16GB+ de RAM do sistema
  • 100GB+ de SSD para os pesos do modelo e o armazenamento vetorial

Hardware (desenvolvimento / SBOMs pequenos):

  • Qualquer máquina com 16GB de RAM — use llama3.1:8b via Ollama

Software:

  • Python 3.11+
  • Docker + Docker Compose
  • Node.js 18+ (para as ferramentas do cosign)

Início Rápido

1. Clonar e instalar

git clone https://github.com/your-org/sbom-vex-agent
cd sbom-vex-agent
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

2. Inicie o backend do LLM

# Development — Ollama (CPU/GPU, any laptop)
ollama pull llama3.1
ollama serve

# Production — vLLM (GPU required)
python -m vllm.entrypoints.openai.api_server \
  --model Qwen/Qwen2.5-Coder-32B-Instruct \
  --gpu-memory-utilization 0.90 \
  --host 0.0.0.0 --port 8000

3. Inicie os serviços de suporte

docker compose up -d   # starts Qdrant + PostgreSQL

4. Execute o agente em um SBOM

python -m vex_agent analyse \
  --sbom path/to/your-sbom.cdx.json \
  --output path/to/output.vex.json

O pipeline irá:

  1. Validar e sanitizar o SBOM
  2. Procurar CVEs para cada componente
  3. Raciocinar sobre a explorabilidade
  4. Apresentar o rascunho do VEX a um revisor humano
  5. Assinar e emitir o documento final após aprovação

Configuração

Copie .env.example para .env e defina:

# LLM backend
VLLM_BASE_URL=http://localhost:8000/v1    # or Ollama: http://localhost:11434/v1
LLM_MODEL=Qwen2.5-Coder-32B-Instruct     # or llama3.1 for dev
Baixar ferramenta

Mais Populares

Ver todos →

Descubra as ferramentas mais usadas pela nossa comunidade.

Sem dados de popularidade ainda.

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →