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
Pesidious — Мутация вредоносного ПО с использованием обучения с подкреплением и генеративно-состязательных сетей | Kitploit
Инструменты/GitHubGitHub/cyberforce/pesidious
Генерация полезной нагрузкиЭксплуатацияАнализ вредоносных программМашинное ОбучениеБезопасность ИИСостязательная Атака
GitHubcyberforce/pesidious

Pesidious

Мутация вредоносного ПО с использованием обучения с подкреплением и генеративно-состязательных сетей

Репозиторий
17536556 лет назадПроверено Kitploit
Поделиться

Logo

Мутация вредоносного ПО с использованием глубокого обучения с подкреплением и GAN

Цель инструмента — использовать искусственный интеллект для мутации образца вредоносного ПО (только PE32) с целью обхода классификаторов на основе ИИ, сохраняя при этом его функциональность. В прошлом в этой области была проделана заметная работа: исследователи использовали либо обучение с подкреплением, либо генеративно-состязательные сети в качестве оружия выбора для изменения состояний исполняемого файла вредоносного ПО с целью обмана антивирусных агентов. Наше решение использует комбинацию глубокого обучения с подкреплением и GAN, чтобы преодолеть некоторые ограничения, с которыми сталкиваются при использовании этих подходов по отдельности, как показано ниже.

Diagram

Полную документацию по инструменту можно найти здесь

Инструкции по установке

⚠️ Поскольку этот инструмент работает с файлами вредоносного ПО, настоятельно рекомендуется использовать виртуальную машину. После установки инструмента обязательно отключитесь от сети.

Следующие шаги проведут вас через все установки, необходимые для настройки среды.

  1. Установите и настройте Python 3.6.

  2. Клонируйте репозиторий.

    git clone https://github.com/CyberForce/Pesidious
    
  3. Перейдите в каталог проекта.

    cd Pesidious
    
  4. Настройте и активируйте виртуальное окружение с Python 3.6

    Рекомендуется использовать виртуальное окружение, чтобы избежать конфликтов между пакетами, используемыми разными приложениями

  5. Убедитесь, что у вас установлен и настроен pip 8.1.1.

    Это связано с тем, что более новые версии pip плохо работают с библиотекой PyTorch.

    pip install pip==8.1.1
    
  6. Установите все необходимые библиотеки, установив файл requirements.txt.

    pip install -r pip_requirements/requirements.txt
    

Мутируйте ваше вредоносное ПО

Результат работы GAN уже сохранен как (RL_Features/adverarial_imports_set.pk и RL_Features/adverarial_sections_set.pk), которые будут использоваться при добавлении импортов и секций в вредоносное ПО для мутации.

  1. Вы можете протестировать классификатор образцов для оценки файлов вредоносного ПО.

    python classifier.py -d /path/to/directory/with/malware/files
    
  2. Запустите скрипт Python mutate.py для мутации ваших образцов вредоносного ПО.

    python mutate.py -d /path/to/directory/with/malware/files
    
  3. Мутированные файлы вредоносного ПО будут сохранены в каталоге с именем Mutated_malware в следующем формате

    Mutated_malware/mutated_<name-of-the-file>
    
  4. После мутации файлов вредоносного ПО вы можете снова запустить классификатор для оценки мутированного вредоносного ПО.

    python classifier.py -d Mutated_malware/
    

Известные проблемы и исправления

⚠️ ВНИМАНИЕ: Этот раздел находится в стадии разработки. Приносим извинения за доставленные неудобства. Пожалуйста, перейдите к следующему разделу. нажмите здесь

  1. pip install -r requirements.txt выдает ошибку.

    Решение:

    pip install tqdm
    pip install sklearn
    pip install lief
    
  2. Ошибка ModuleNotFoundError: No module named 'tensorboardX' при запуске скрипта python main_malgan.py.

    Решение:

    pip install tensorboardX
    
  3. Ошибка при выполнении import-append, section-append (не найдено)

    Решение Дайте права на выполнение этим исполняемым файлам с помощью следующих команд в терминале

    cd portable-executable/
    chmod 777 project-add-sections/bin/Debug/project-append-section
    chmod 777 project-add-imports/bin/Debug/project-append-imports
    
    

Создано с использованием

  • PyTorch - Библиотека машинного обучения с открытым исходным кодом, основанная на библиотеке Torch.
  • Lief - Кроссплатформенная библиотека, которая может анализировать, изменять и абстрагировать форматы ELF, PE и MachO.
  • PE Bliss - PE библиотека для пересборки PE файлов, написанная на C++.
  • Gym-Malware - Среда манипуляции вредоносным ПО для gym от OpenAI.
  • MalwareGAN - Генерация состязательного вредоносного ПО с использованием GAN.

Авторы

  • Chandni Vaya - X-Force Incident Response, IBM Security - Github
  • Bedang Sen - X-Force Incident Response, IBM Security - Github

Благодарности

  • Среда Gym-Malware: https://github.com/endgameinc/gym-malware. Среда была модифицирована для добавления GAN, мутации были добавлены/изменены/удалены для улучшения уклончивости вредоносного ПО и сохранения функциональности.
  • Работа Yanming Lai (https://github.com/yanminglai/Malware-GAN) и
  • Работа Zayd Hammoudeh (https://github.com/ZaydH/MalwareGAN) по реализации MalGAN Хана и Тана сыграла решающую роль в нашем понимании архитектуры. Большая часть реализации MalGAN, используемой в этом проекте, была ответвлена от работы Hammoudeh.

Ссылки

Anderson, H., Kharkar, A., Filar, B., Evans, D. and Roth, P. (2018). Learning to Evade Static PE Machine Learning Malware Models via Reinforcement Learning. [онлайн] arXiv.org. Доступно по адресу: https://arxiv.org/abs/1801.08917.

Docs.microsoft.com. (n.d.). PE Format - Windows applications. [онлайн] Доступно по адресу: https://docs.microsoft.com/en-us/windows/win32/debug/pe-format#general-concepts.

Fang, Z., Wang, J., Li, B., Wu, S., Zhou, Y. and Huang, H. (2019). Evading Anti-Malware Engines With Deep Reinforcement Learning. [онлайн] Ieeexplore.ieee.org. Доступно по адресу: https://ieeexplore.ieee.org/abstract/document/8676031 [Просмотрено 25 авг. 2019].

https://resources.infosecinstitute.com. (2019).

Malware Researcher’s Handbook (Demystifying PE File). [онлайн] Доступно по адресу: https://resources.infosecinstitute.com/2-malware-researchers-handbook-demystifying-pe-file/#gref.

Hu, W. and Tan, Y. (2018). Generating Adversarial Malware Examples for Black-Box Attacks Based on GAN. [онлайн] arXiv.org. Доступно по адресу: https://arxiv.org/abs/1702.05983.

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.

    795
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    520
  • 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.

    439
  • 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.

    346
  • 5

    looking-glass

    anonghosty/looking-glass

    Платформа CSIRT, которая загружает отчёты Shadowserver в MongoDB и воспроизводит их в виде интерактивных карт, аналитики, результатов, рекомендаций и исполнительных дашбордов.

    267
  • 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.

    264

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →