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
maude-hcs — Estrutura de modelagem formal e análise para sistemas de comunicação oculta, permitindo especificação de canais secretos, modelos de adversários e verificação estatística de modelos dos compromissos entre indetectabilidade e desempenho. | Kitploit
Ferramentas/GitHubGitHub/raytheonbbn/maude-hcs
Segurança de RedeEsteganografiaPrivacidadePapers e PesquisaAprendizado e EducaçãoAnálise de DNS
GitHubraytheonbbn/maude-hcs

maude-hcs

Estrutura de modelagem formal e análise para sistemas de comunicação oculta, permitindo especificação de canais secretos, modelos de adversários e verificação estatística de modelos dos compromissos entre indetectabilidade e desempenho.

Ver Repositório
521747há 1 diaRevisado pelo Kitploit
Compartilhar

Maude-HCS

Maude-HCS é uma das primeiras cadeias de ferramentas generalizadas e modulares para especificar formalmente e raciocinar sobre Sistemas de Comunicação Oculta (HCS) em escalas do mundo real. Ele permite que projetistas de rede explorem rapidamente e efetivamente projetos alternativos de HCS e fornece garantias formais de privacidade-desempenho necessárias para confiar no projeto.

Introdução

Sistemas de comunicação oculta (HCS) incorporam mensagens encobertas dentro de atividades de rede comuns para ocultar a presença da comunicação. Na prática, a indetectabilidade de um HCS é tipicamente avaliada usando estatísticas de tráfego ad hoc ou detectores específicos, tornando as alegações de segurança fortemente acopladas a configurações experimentais e suposições adversariais implícitas.

Maude-HCS é uma estrutura de modelagem e análise executável que fornece uma base fundamentada e executável para raciocinar sobre os tradeoffs entre indetectabilidade e desempenho em projetos complexos de HCS. Os projetistas especificam formalmente o comportamento do protocolo, os observáveis do adversário e as suposições ambientais, e geram amostras de Monte Carlo a partir das distribuições de traços induzidas. Estas podem ser usadas para auditar alegações de indetectabilidade estimando as taxas de verdadeiros e falsos positivos de um teste estatístico e convertendo essas estimativas em limites inferiores para as medidas de indetectabilidade. Isso permite a avaliação sistemática da detectabilidade e seus tradeoffs com o desempenho sob suposições de modelagem explicitamente declaradas.

Entre em contato conosco se precisar de assistência para modelar e raciocinar sobre seu HCS. E considere citar nosso trabalho se você o utilizar como parte de sua pesquisa.

@article{khoury2026maude,
  title={Maude-HCS: Model Checking the Undetectability-Performance Tradeoffs of Hidden Communication Systems},
  author={Khoury, Joud and Kim, Minyoung and Merlin, Christophe and Meseguer, Jos{\'e} and Ratliff, Zachary and Talcott, Carolyn},
  journal={arXiv preprint arXiv:2603.03369},
  year={2026}
}

Requisitos

Requer a versão do python 3.12.4

Crie seu ambiente preferido e ative-o, por exemplo

Para pyenv

pyenv install 3.12.4
pyenv local 3.12.4

Para conda

conda create --name pwnd2 python=3.12.4
conda activate pwnd2

Para ambiente virtual

python -m venv venv
source venv/bin/activate

Instalação: a partir do código-fonte git

Estruturamos o código-fonte do repositório de modo que importamos dns-formalization-maude como uma dependência (um submódulo). Criamos um fork dessa dependência para que possamos acompanhar nossas alterações nela. Usamos sparse-checkout para evitar a necessidade de fazer checkout de todo o código-fonte da dependência, que inclui muitos arquivos irrelevantes (como Testbed).

Para clonar o repositório principal

git clone [email protected]:raytheonbbn/maude-hcs.git

O branch principal contém o código-fonte mais recente (possivelmente instável). Branches/tags mais antigos, como pwnd.cp1, referem-se a snapshots estáveis usados para produzir resultados durante avaliações (por exemplo, pwnd.cp1 usado para o problema de desafio 1, e de forma semelhante pwnd.cp2). Para usar um snapshot mais antigo, faça checkout do branch específico (ex.: pwnd.cp1).

Configure o submódulo dns usando nosso clone do código para que possamos rastrear alterações feitas no código-fonte original, use sparse-checkout para manter apenas os fontes relevantes

cd maude-hcs
mkdir -p maude_hcs/deps
git submodule add -b <branch> -f [email protected]:raytheonbbn/dns-formalization-maude.git \
  maude_hcs/deps/dns_formalization
cd maude_hcs/deps/dns_formalization
git sparse-checkout init --cone
git sparse-checkout set "Maude/dns" "Maude/common" "Maude/test" "Maude/attack_exploration"
cd ../../../
git reset .gitmodules
git reset maude_hcs/deps/dns_formalization

No comando acima, defina <branch> como pwnd.43.rb1 para reproduzir os resultados do problema de desafio 1, ou como pwnd para a versão mais recente.

O comando acima deve criar um novo arquivo chamado sparse-checkout em .git/modules/maude_hcs/deps/dns_formalization/info/ e instruí-lo a incluir apenas determinados diretórios, como Maude/src.

Neste ponto, git status deve mostrar um início limpo.

Para instalar, primeiro instale a dependência como um pacote chamado dns, que importamos como Maude.* e depois instale o maude_hcs como um pacote (com dependência de dns).

cd maude_hcs/deps/dns_formalization
pip install -e .
cd ../../../
pip install -e .

Gerar modelos de usuário automaticamente

Os modelos de usuário são modelos de Markov destinados a representar como os usuários se comportam. Estes são fornecidos em formato json. O primeiro passo é convertê-los para representações formais em maude.

Para isso, especifique

  • o protocolo: dns ou mastodon
  • o diretório de entrada contendo todos os modelos json que você deseja converter
  • o diretório de saída que conterá todas as versões maude dos modelos json

Por exemplo,

# convert dns tgen user models
 maude-hcs --verbose \ 
    --protocol=dns markov \
    --json-dir=../pwnd-cp2/src/static/tgen_models/dns/ \ 
    --maude-dir=./maude_hcs/lib/tgen/maude/dnsprofiles/markov/
    
# convert mastodon tgen models
maude-hcs --verbose \
    --protocol=mastodon markov \
    --json-dir=../pwnd-cp2/src/static/tgen_models/mastodon \
    --maude-dir="./maude_hcs/lib/raceboat/maude/mastodonprofiles/"

Veja exemplos de especificações markov json em ./maude_hcs/lib/tgen/maude/dnsprofiles/markov/ (e de forma semelhante para mastodon), juntamente com suas especificações maude convertidas.

Gerar automaticamente configurações HCS

Geramos configurações iniciais usando o comando generate. As configurações HCS podem ser passadas diretamente em json usando parâmetros de configuração HCS, ou usando um arquivo de configuração de experimento Shadow, ou usando um arquivo de configuração YML. Cada um destes é descrito a seguir.

Usando configuração HCS json

Passe um arquivo de configuração maude-hcs json da seguinte forma,

Para gerar uma configuração de modelo DNS probabilístico com iodine e especificar o nome do arquivo de saída,

 maude-hcs --verbose generate \
        --run-args="./use-cases/challenge-problem-2/cp2_scenarios/cp2_scenario_1-hcsconfig.json" \
        --model=prob \
        --filename="cp2_scenario_1" \
        --output-dir="./use-cases/challenge-problem-2/cp2_scenarios/"

Defina --model=nondet para gerar uma versão não determinística.

Isso produz o arquivo maude executável (e o json de configuração HCS correspondente) no diretório de saída. O arquivo json de configuração de entrada deve ser simples de seguir. Ele inclui a especificação de

  • topologia de rede (links e suas características)
  • adversário (neste caso, perfis de detector zeek, dados de linha de base para detectores de média móvel e suas configurações)
  • canais/protocolos: cada protocolo inclui uma rede weird e um protocolo de rede subjacente. O primeiro oculta/embute dados no segundo. Por exemplo, o Iodine embute em DNS (então o canal é chamado iodine-dns) e o Destini embute no Mastodon

Consulte HCSParamsGuide para uma descrição de alguns dos parâmetros. Observe que o modelo probabilístico combinará os parâmetros não determinísticos, bem como os parâmetros probabilísticos (que substituem os não determinísticos).

Usando uma configuração YML

Configurações únicas

Uma configuração YML contém a configuração completa dos túneis e das redes subjacentes. Podemos gerar uma configuração HCS diretamente a partir dela.

 maude-hcs --verbose  generate --yml-filename=./use-cases/challenge-problem-2/cp2_setup_example.yml     --model=prob --filename=generated_test_yml
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.

    851
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    538
  • 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.

    420
  • 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.

    357
  • 5

    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.

    297
  • 6

    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.

    280

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →