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
Ferramentas/GitHubGitHub/redhuntlabs/octopii
OSINT (Inteligência de Fontes Abertas)Exfiltração de DadosColeta de InformaçõesPrivacidadeAprendizado de Máquina
GitHubredhuntlabs/octopii

Octopii

Um scanner de Informações Pessoais Identificáveis (PII) alimentado por IA.

Ver Repositório
74164132há 1 anoRevisado pelo Kitploit
Compartilhar
Site

Octopii

⠀⠀⠀⠀⠀⠀⠀⣤⣤⣄⣀⡀⠀⠀⠀⢀⣠⣤⣤⣄⡀⠀⠀⠀⢀⣀⣠⣤⣤⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠸⣿⣿⡿⠿⢿⣷⡄⢠⣿⣿⣿⣿⣿⣿⡄⢀⣾⡿⠿⢿⣿⣿⠇⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠈⠉⠀⠀⢸⣿⡇⢸⣿⣿⣿⣿⣿⣿⡇⢸⣿⡇⠀⠀⠉⠁⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⣠⣤⡀⠀⠀⠀⠀⠀⠀⠀⢸⣿⡇⢸⣿⣿⣿⣿⣿⣿⡇⢸⣿⡇⠀⠀⠀⠀⠀⠀⠀⢀⣤⣄⠀⠀⠀
⠸⣿⣿⣿⣿⣿⣿⣿⣿⣦⠀⢸⣿⡇⢸⣿⣿⣿⣿⣿⣿⡇⢸⣿⡇⠀⣴⣿⣿⣿⣿⣿⣿⣿⣿⠇⠀⠀
⠀⠉⠉⠁⠀⠀⠀⠀⣿⣿⠀⢸⣿⡇⠀⠉⣿⣿⣿⣿⠉⠀⢸⣿⡇⠀⣿⣿⠀⠀⠀⠀⠈⠉⠉⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⣿⣿⣀⣈⣻⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿⣟⣁⣀⣿⣿⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀       
⠀⠀⠀⠀⠀⠀⠀⠀⠘⠿⠿⠿⠿⠿⣿⣿⣿⣿⣿⣿⣿⣿⠿⠿⠿⠿⠿⠃⠀⠀⠀⠀⠀⠀⠀ 
⠀⠀⠀⠀⠀⠀⢀⣤⣤⣤⣤⣤⣤⣴⣿⣿⣿⡇⢸⣿⡿⣿⣦⣤⣤⣤⣤⣤⣤⡀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⢸⣿⠋⠉⠉⠉⠉⠉⠉⢸⣿⡇⢸⣿⡇⠈⠉⠉⠉⠉⠉⠙⣿⣧⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⢰⣿⣿⣦⠀⢰⣿⣿⣦⠀⢸⣿⡇⢸⣿⡇⠀⣰⣿⣿⡆⠀⣴⣿⣿⡆⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠈⠻⠿⠋⠀⠘⣿⣿⠃⠀⢸⣿⡇⢸⣿⡇⠀⠘⣿⣿⠃⠀⠙⠿⠟⠁⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢻⣿⣦⣤⣼⣿⠃⠘⣿⣧⣄⣤⣿⡟⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠉⠛⠛⠛⠁⠀⠀⠈⠛⠛⠛⠋⠀⠀⠀

⠀⠀⠀⠀⠀⠀      ⠀O C T O P I I⠀⠀⠀⠀
Copyright © 2023 RedHunt Labs Private Limited

O Octopii é um scanner de Informações Pessoais Identificáveis (PII) que usa Reconhecimento Óptico de Caracteres (OCR), listas de expressões regulares e Processamento de Linguagem Natural (NLP) para buscar em locais públicos por documentos de identidade governamental, endereços, e-mails, etc., em imagens, PDFs e documentos.

Vazamentos de PII são frequentemente negligenciados no espaço de segurança cibernética. Na RedHunt Labs, sempre buscamos maneiras diferentes e inovadoras de criar soluções de segurança cibernética que as organizações e serviços precisam. Encontramos um número substancial de organizações que têm seus servidores configurados incorretamente. Isso faz com que PII de funcionários e clientes vaze o tempo todo, dando a partes maliciosas informações sensíveis sobre suas origens, números de identificação, informações de contato e localização.

É por isso que criamos o Octopii, uma ferramenta para demonstrar e detectar como é fácil automatizar a descoberta e extração de PII e documentos sensíveis vazados na Internet.

Uso

Instalando dependências

  1. Instale todas as dependências via pip install -r requirements.txt.
  2. Instale o helper Tesseract localmente via sudo apt install tesseract-ocr -y no Ubuntu ou sudo pacman -Syu tesseract no Arch Linux.
  3. Instale as definições de idioma do Spacy localmente via python -m spacy download en_core_web_sm.

Depois de instalar o acima, você está pronto.

Executando

Para executar o Octopii, digite

python3 octopii.py <local para escanear>

onde <local para escanear> é um arquivo ou diretório.

O Octopii atualmente suporta escaneamento local via caminho do sistema de arquivos, URLs S3 e listagens de diretórios abertos do Apache. Você também pode fornecer URLs de imagens individuais ou arquivos como argumento.

Exemplo

Fornecemos uma pasta dummy-pii/ contendo PII de amostra para você testar o Octopii. Passe-a como argumento e você obterá a seguinte saída:

owais@artemis ~ $ python3 octopii.py dummy-pii/

Searching for PII in dummy-pii/dummy-drivers-license-nebraska-us.jpg
{
    "file_path": "dummy-pii/dummy-drivers-license-nebraska-us.jpg",
    "pii_class": "Nebraska Driver's License",
    "country_of_origin": "United States",
    "faces": 1,
    "identifiers": [],
    "emails": [],
    "phone_numbers": [
        "4000002170"
    ],
    "addresses": [
        "Nebraska"
    ]
}

Searching for PII in dummy-pii/dummy-PAN-India.jpg
{
    "file_path": "dummy-pii/dummy-PAN-India.jpg",
    "pii_class": "Permanent Account Number",
    "country_of_origin": "India",
    "faces": 0,
    "identifiers": [],
    "emails": [],
    "phone_numbers": [],
    "addresses": [
        "INDIA"
    ]
}

...

Um arquivo chamado output.txt é criado, contendo a saída da ferramenta. Este arquivo é anexado sequencialmente em tempo real.

Funcionamento

O Octopii usa Tesseract para Reconhecimento Óptico de Caracteres (OCR) e NLTK para Processamento de Linguagem Natural (NLP) para detectar strings de informações pessoais identificáveis. Isso é feito através das seguintes etapas:

1. Entrada e importação

O Octopii escaneia imagens (jpg e png) e documentos (pdf, doc, txt, etc.). Ele suporta 3 fontes:

  1. Amazon Simple Storage Service (S3): percorre o XML de URLs de contêineres S3
  2. Listagem de diretório aberto: percorre listagens de diretórios abertos do Apache e escaneia arquivos
  3. Sistema de arquivos local: pode acessar arquivos e pastas dentro de sistemas de arquivos UNIX (macOS e sistemas operacionais baseados em Linux)

Imagens são detectadas via Python Imaging Library (PIL) e abertas com OpenCV. PDFs são convertidos em uma lista de imagens e escaneados via OCR. Tipos de arquivo baseados em texto são lidos como strings e escaneados sem OCR.

2. Detecção de rostos

Uma técnica de detecção de imagem de classificação binária - conhecida como "cascade Haar" - é usada para detectar rostos dentro das imagens. Um modelo cascade pré-treinado é fornecido neste repositório, contendo dados em cascade para uso do OpenCV. Múltiplos rostos podem ser detectados na mesma imagem de PII, e o número de rostos detectados é retornado.

3. Limpeza da imagem e leitura do texto

As imagens são então "limpas" para extração de texto com as seguintes etapas de transformação de imagem:

  1. Rotação automática
  2. Escala de cinza
  3. Monocromia
  4. Limiar médio
  5. Limiar gaussiano
  6. Correção de inclinação 3x

Ilustração de filtragem de imagem

Como essas etapas removem dados da imagem (incluindo cores em fotografias), esse processo de limpeza de imagem ocorre após a tentativa de detecção de rosto.

4. Reconhecimento Óptico de Caracteres (OCR)

O Tesseract é usado para capturar todas as strings de texto de uma imagem/arquivo. Em seguida, é tokenizado em uma lista de strings, divididas por caracteres de nova linha ('\n') e espaços (' '). Texto distorcido, como strings null e caracteres únicos, são descartados desta lista, resultando em uma lista 'inteligível' de palavras potenciais.

Esta lista de palavras é então alimentada em uma função de verificação de similaridade. Esta função usa correspondência de padrões Gestalt para comparar cada palavra extraída do documento PII com uma lista de palavras-chave, presente em definitions.json. Essa verificação ocorre uma vez por limpeza. O número de vezes que uma palavra aparece a partir da lista de palavras-chave é contado e usado para derivar uma pontuação de confiança. Quando as palavras-chave de uma definição específica aparecem repetidamente nestes escaneamentos, essa definição obtém a maior pontuação e é escolhida como a classe PII prevista.

O Octopii também verifica substrings sensíveis de PII, como e-mails, números de telefone e identificadores únicos comuns de documentos governamentais, usando expressões regulares. Ele também pode extrair dados de geolocalização, como endereços e países, usando Processamento de Linguagem Natural.

4. Saída

A saída consiste no seguinte:

  • file_path: Onde o arquivo contendo PII pode ser encontrado
  • pii_class: O tipo de PII que este arquivo contém
  • country_of_origin: De onde esta PII se origina.
  • identifiers: Identificadores, códigos ou números únicos que podem ser usados para direcionar o indivíduo mencionado na PII.
  • emails e phone_numbers: Informações de contato no arquivo.
  • addresses: Qualquer forma de dados de geolocalização na PII. Isso pode ser usado para triangular a localização de um indivíduo.

Contribuindo

Clique aqui para ler sobre como você pode contribuir para o Octopii.


Créditos

  • BeautifulSoup
  • Tesseract
  • SciKit
  • OpenCV e Python Image Library
  • Spaces - DigitalOcean

...e inúmeros outros

Aviso Legal

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.

    654
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    490
  • 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.

    395
  • 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.

    336
  • 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.

    258
  • 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.

    252

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →