Skip to content
KitploitKITPLOIT
ИнструментыЭксплойтыБлог
Log in
Отправить
ИнструментыЭксплойтыБлог
Отправить

Инструменты для хакинга, пентеста и кибербезопасности — ваш арсенал защиты!

Kitploit — это каталог инструментов для хакинга, кибербезопасности и пентестинга. Находите последние обновления проектов для поиска уязвимостей, анализа систем, автоматизации тестирования и усиления вашей безопасности.

ЛентыКонтактыКонфиденциальность© 2026 Kitploit

Каталог инструментов

Категории

Все категории
Loading categories
sec-af — Аудитор безопасности кода на основе ИИ на платформе AgentField, который доказывает эксплуатируемость уязвимостей с помощью заключений, трасс и практических доказательств. | Kitploit
Инструменты/GitHubGitHub/agent-field/sec-af
Статический анализСканеры уязвимостейАнализ КодаЭксплуатацияВеб-безопасностьТестирование на ПроникновениеDevSecOpsОбнаружение СекретовБезопасность Цепочки ПоставокБезопасность ИИ
GitHub
19441466 дней назадПроверено Kitploit
agent-field/sec-af

sec-af

Аудитор безопасности кода на основе ИИ на платформе AgentField, который доказывает эксплуатируемость уязвимостей с помощью заключений, трасс и практических доказательств.

РепозиторийСайт
Поделиться

SEC-AF

AI-нативный аудитор безопасности на базе AgentField

Apache 2.0 Python Built with AgentField Deploy on Railway More from Agent-Field

Вывод • Бенчмарк • Как это работает • Сравнение • Быстрый старт • API

Другие инструменты помечают паттерны. SEC-AF доказывает эксплуатируемость: каждая находка поставляется с вердиктом, трассировкой потока данных и доказательствами, на которые можно опираться. Бесплатно, с открытым исходным кодом, один вызов API. Полный аудит с 30 подтверждёнными находками стоит около $1.40 в вызовах LLM.

SEC-AF — AI-нативный аудитор безопасности

DX в один вызов

Запустите его через CLI af (требуется af ≥ 0.1.87) — он транслирует прогресс в реальном времени и выводит результат:

af call sec-af.audit --in '{"repo_url": "https://github.com/dolevf/Damn-Vulnerable-GraphQL-Application"}'

Предпочитаете сырой HTTP? Обращайтесь к API напрямую через curl:

curl -X POST http://localhost:8080/api/v1/execute/async/sec-af.audit \
  -H "Content-Type: application/json" \
  -d '{"input": {"repo_url": "https://github.com/dolevf/Damn-Vulnerable-GraphQL-Application"}}'

Что вы получаете в ответ

Это реальная находка из аудита SEC-AF приложения DVGA (намеренно уязвимого GraphQL-приложения):

{
  "title": "OS Command Injection in run_cmd Helper Function",
  "severity": "critical",
  "verdict": "confirmed",           // not "maybe" — confirmed exploitable
  "evidence_level": 5,
  "cwe_id": "CWE-78",

  "rationale": "Tracer confirms complete data flow from GraphQL parameters
    (host, port, path, scheme, cmd, arg) to os.popen(cmd).read() sink.
    Sanitization functions are bypassable in Easy mode...",

  "proof": {
    "verification_method": "composite_subagent_chain:sast",
    "data_flow_trace": [
      { "description": "core/views.py:203 — GraphQL args defined (host, port, path, scheme)", "tainted": true },
      { "description": "core/views.py:210 — URL constructed from user input", "tainted": true },
      { "description": "core/views.py:211 — helpers.run_cmd(f'curl {url}') called", "tainted": true },
      { "description": "core/helpers.py:9 — os.popen(cmd).read() executes input", "tainted": true }
    ]
  },

  "location": {
    "file_path": "core/helpers.py",
    "start_line": 9,
    "code_snippet": "def run_cmd(cmd):\n  return os.popen(cmd).read()"
  }
}

Каждая находка включает вердикт (confirmed / likely / inconclusive / not_exploitable), объект доказательства с полным следом распространения данных и точное местоположение кода. Не «возможно, это проблема». SEC-AF прослеживает данные от источника до приёмника и доказывает, действительно ли это эксплуатируемо.

Полный вывод бенчмарка (30 находок): exampl/dvga-benchmark-result.json | Анализ производительности: exampl/benchmark-analysis.json

Бенчмарк: DVGA

Мы запускаем SEC-AF на Damn Vulnerable GraphQL Application, намеренно уязвимом приложении с 21 задокументированным сценарием безопасности.

МетрикаЗначение
Сырые находки106
После дедупликации ИИ61
После состязательной верификации28 подтверждено
Неопределённые (требуют ручной проверки)1
Не эксплуатируемые (корректно отклонены)1
Снижение шума94%
Рёбра DAG (вызовы рассуждателя)82
Вызовы агентов~166–255
Запущено стратегий11
Затраченное время~78 мин
Оценка стоимости (Kimi K2.5)~$0.18–$0.90
Разбивка: 30 проверенных находок по категориям
КатегорияКоличествоПримеры
Отсутствие аутентификации8ImportPaste, delete_all_pastes, system_debug, CreateUser, загрузка файлов
Инъекция команд4os.popen(cmd) через ImportPaste, system_debug, system_diagnostics
SQL-инъекция3Несанитизированный filter в resolve_pastes, инъекция в LIKE-шаблон, вход
Обход аутентификации3Отключённая подпись JWT, обход авторизации JWT, сломанная парольная аутентификация
Учётные данные в открытом виде3Хранение паролей в открытом виде, сравнение в открытом виде, пароль в диагностике
SSRF2Мутация ImportPaste следует за предоставленными пользователем URL на стороне сервера
Бизнес-логика / санитизация URL2Недостаточная санитизация URL, неаутентифицированное массовое удаление
DoS / истощение ресурсов3Отсутствие пагинации в запросах users/audits, неконтролируемый simulate_load
Конфигурация / секреты2Захардкоженные секреты JWT/Flask, включённый режим отладки в продакшене
Паттерны проектирования: как работает ИИ-нативный анализ безопасности

SEC-AF применяет несколько архитектурных паттернов, которые становятся возможными благодаря композиции множества сфокусированных ИИ-агентов вместо запуска одного монолитного сканирования. Эти паттерны решают фундаментальные проблемы ИИ-управляемого анализа безопасности.

1. Напряжение между состязательными агентами (HUNT vs. PROVE)

Большинство ИИ-инструментов безопасности задают одной модели вопрос «уязвимо ли это?» и принимают ответ. SEC-AF структурно разделяет агентов поиска и агентов опровержения. Охотники мотивированы находить уязвимости; проверяющие мотивированы их опровергать. Каждая находка проходит через цепочку верификации из 4 агентов — трассировщик восстанавливает поток данных, анализатор санитизации ищет смягчения, которые охотник мог пропустить, гипотезатор эксплойта строит конкретный сценарий атаки, а агент-вердикт взвешивает все противоречивые доказательства. Это состязательное напряжение между агентами обеспечивает снижение шума на 94% — сама архитектура кодирует скептицизм.

2. Каскад сигналов с прогрессивным сужением

Вместо того чтобы вываливать все находки на пользователя, конвейер сжимает сигнал на каждом этапе: 106 сырых находок → 61 после дедупликации ИИ → 30 после состязательной верификации. Каждая фаза — это фильтр. Это отражает, как человеческие команды безопасности проводят триаж — сначала широкое обнаружение, затем всё более строгая проверка. Ключевая идея в том, что каждый фильтр — это разный вид ИИ-рассуждения: семантическое сходство для дедупликации, анализ распространения данных для верификации, построение эксплойта для подтверждения.

3. Экономия информации через сокращение контекста

Скачать инструмент

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Полный набор инструментов OSINT: граф расследования, оценка достоверности, семейства псевдонимов, карта, временная шкала и отчёты. 49 модулей, более 400 сайтов, API-ключи не требуются.

    755
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Приложение GhostLock с запуском в один клик (CVE-2026-43499)

    510
  • 3

    ARTEX

    baarai/artex

    Платформа автономного тестирования на проникновение на основе мультиагентной LLM с агентами-планировщиками и агентами-исполнителями, графами активов и исследования, записью MITM-трафика и повторной проверкой уязвимостей.

    415
  • 4

    redforge

    cybersecurity91/redforge

    Браузерный инструментарий для red team с 102 офлайн-инструментами для разведки, генерации полезной нагрузки, атак на учётные данные, криптографии, кодирования и отчётности по проектам.

    343
  • 5

    antifox

    antifox-ai/antifox

    Мультиагентная платформа автономного тестирования на проникновение на базе ИИ, которая выполняет разведку, обнаружение поверхности атаки, валидацию эксплуатации и подготовку отчётов с подтверждающими доказательствами.

    259
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Система действий для кибербезопасности на базе ИИ — где намерение превращается в управляемое исполнение, доказательства становятся оперативной памятью, а каждая операция улучшает следующую.

    258

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →