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
llm-forensics — Forense de LLM em nível de pesos: compare pesos de modelos, detecte fine-tunes, merges e derivados disfarçados, e revele tokens que um fine-tune promove ou suprime, com pontuação de linha de base nula. | Kitploit
Ferramentas/GitHubGitHub/rbidou/llm-forensics
Ferramentas DefensivasAnálise EstáticaAnálise ForenseAnálise de MalwareAnálise de BináriosInteligência de AmeaçasSegurança da Cadeia de SuprimentosSegurança de IA
GitHubrbidou/llm-forensics

llm-forensics

Forense de LLM em nível de pesos: compare pesos de modelos, detecte fine-tunes, merges e derivados disfarçados, e revele tokens que um fine-tune promove ou suprime, com pontuação de linha de base nula.

170há 14 diasAinda não revisado
Compartilhar
Ver Repositório

LLM Forensics

Forense em nível de pesos para modelos de linguagem causal. Aponte-o para dois modelos e ele informa como eles se relacionam — e o que um deles aprendeu.

PerguntaAnálise
Quanto, e onde, um fine-tune moveu os pesos?Weight Diff
Quais tokens as atualizações mais pesadas promovem, suprimem ou reagem?Token Shifts
Como um modelo do Hub se compara com seu pai e filhos declarados?Hub Lineage
Este modelo é derivado de outro, mesmo não declarado ou disfarçado?Provenance
Onde as previsões dos dois modelos diferem, e o que o fine-tune escreve?Behaviour Probe

Ele lê modelos completos, fine-tunes mesclados, adaptadores LoRA, checkpoints de treinamento, arquivos GGUF e checkpoints bitsandbytes de 4/8 bits — localmente ou diretamente do Hugging Face Hub, buscando apenas os tensores de que precisa. Toda análise é salva como um relatório HTML autocontido e um relatório JSON.

A motivação é a segurança: auditar de onde um modelo vem, detectar derivados não declarados e entender o que um fine-tune adversário ensinou a um modelo. Toda similaridade é reportada contra uma linha de base nula, para que um número possa ser lido como evidência, não como impressão. Foi validado em modelos reais, incluindo um fine-tune adversário cujo payload injetado o Behaviour Probe expõe.


Instalação

Python 3.11+ (desenvolvido em 3.12, Windows 11; o código é independente de sistema operacional).

python -m venv venv
venv\Scripts\activate                      # Linux/macOS: source venv/bin/activate

# torch first, from the wheel index matching your hardware
pip install torch --index-url https://download.pytorch.org/whl/cpu      # CPU
#   or a CUDA build: https://pytorch.org/get-started/locally/

pip install -r requirements.txt
python run.py check                        # what this machine can do

Modelos privados ou restritos do Hub: defina HF_TOKEN, ou faça login uma vez com huggingface-cli login.

Início rápido

python run.py                       # interactive terminal interface (default)
python run.py web                   # browser interface on http://127.0.0.1:5000 (address set in Setup)
python run.py check                 # platform, GPU, packages and available features

Ambas as interfaces oferecem os mesmos menus — Weight Diff, Token Shifts, Hub Lineage, Provenance, Behaviour Probe, Reports, Environment, Setup. Onde quer que um modelo seja solicitado, forneça um id do Hub (Qwen/Qwen2.5-Coder-1.5B) ou um caminho local (uma pasta safetensors, um checkpoint, um arquivo .gguf ou um adaptador LoRA). Pesos em pickle (.bin, .pt) nunca são carregados — os modelos sob investigação não são confiáveis.

A interface web escuta apenas no loopback e não possui autenticação: não a exponha em uma rede.

A interface web

Selecionando um modelo suspeito e a fonte com a qual compará-lo:

Model selection

Uma análise em execução, com progresso ao vivo:

Analysis running

O relatório combinado — um resumo executivo sobre as seções de cada análise:

Analysis report

Toda análise é salva; a tela Reports abre, renderiza novamente, baixa e exclui os relatórios:

Reports list

Token Shifts — as atualizações mais pesadas e os tokens que elas promovem, suprimem ou aos quais reagem:

Token Shifts


Documentação

  • Documentação completa — propósito, uso, cada análise e seus métodos, tratamento de modelos quantizados e limites.
  • Manual em PDF — início rápido, guia do usuário, conceitos, implementação e referência de parâmetros. A interface web traz os mesmos capítulos em sua página Documentation.

Autor: Renaud Bidou ([email protected])

Licenciado sob a Licença MIT — consulte LICENSE.

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 →