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
maude-hcs — Формальный фреймворк моделирования и анализа для скрытых систем связи, позволяющий специфицировать скрытые каналы, модели противника и выполнять статистическую проверку моделей компромисса между необнаружимостью и производительностью. | Kitploit
Инструменты/GitHubGitHub/raytheonbbn/maude-hcs
Сетевая безопасностьСтеганографияКонфиденциальностьСтатьи и ИсследованияОбучение и ОбразованиеАнализ DNS
GitHubraytheonbbn/maude-hcs

maude-hcs

Формальный фреймворк моделирования и анализа для скрытых систем связи, позволяющий специфицировать скрытые каналы, модели противника и выполнять статистическую проверку моделей компромисса между необнаружимостью и производительностью.

Репозиторий
5217471 день назадПроверено Kitploit
Поделиться

Maude-HCS

Maude-HCS — один из первых обобщённых и модульных инструментариев для формальной спецификации и анализа скрытых систем связи (Hidden Communication Systems, HCS) в масштабах реального мира. Он позволяет проектировщикам сетей быстро и эффективно исследовать альтернативные варианты дизайна HCS и предоставляет формальные гарантии приватности и производительности, необходимые для доверия к дизайну.

Введение

Скрытые системы связи (HCS) встраивают скрытые сообщения в обычную сетевую активность, чтобы скрыть факт наличия связи. На практике необнаружимость HCS обычно оценивается с помощью ad hoc статистики трафика или конкретных детекторов, из-за чего утверждения о безопасности оказываются тесно связанными с экспериментальными установками и неявными предположениями о противнике.

Maude-HCS — это исполняемая среда моделирования и анализа, предоставляющая принципиальную и исполняемую основу для анализа компромиссов между необнаружимостью и производительностью в сложных дизайнах HCS. Проектировщики формально задают поведение протокола, наблюдаемые противником величины и предположения об окружении, а затем генерируют выборки Монте-Карло из индуцированных распределений трасс. Их можно использовать для проверки утверждений о необнаружимости путём оценки истинно положительных и ложно положительных долей статистического теста и преобразования этих оценок в нижние границы мер необнаружимости. Это позволяет систематически оценивать обнаружимость и её компромиссы с производительностью при явно сформулированных предположениях моделирования.

Пожалуйста, свяжитесь с нами, если вам нужна помощь в моделировании и анализе вашей HCS. И, пожалуйста, рассмотрите возможность ссылки на нашу работу, если вы используете её в своих исследованиях.

@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}
}

Требования

Требуется версия Python 3.12.4

Создайте предпочитаемое окружение и активируйте его, например

Для pyenv

pyenv install 3.12.4
pyenv local 3.12.4

Для conda

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

Для виртуального окружения

python -m venv venv
source venv/bin/activate

Установка: из исходного кода git

Мы структурировали исходный код репозитория так, чтобы импортировать dns-formalization-maude как зависимость (подмодуль). Мы создали форк этой зависимости, чтобы отслеживать наши изменения в ней. Мы используем sparse-checkout, чтобы избежать необходимости выгружать весь исходный код зависимости, который включает множество нерелевантных файлов (таких как Testbed).

Чтобы клонировать основной репозиторий

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

Основная ветка содержит последний (возможно, нестабильный) исходный код. Более старые ветки/теги, такие как pwnd.cp1, относятся к стабильным снимкам, использовавшимся для получения результатов во время оценок (например, pwnd.cp1 использовался для контрольной задачи 1, и аналогично pwnd.cp2). Чтобы использовать более старый снимок, переключитесь на соответствующую ветку (например, pwnd.cp1).

Настройте подмодуль dns, используя нашу копию кода, чтобы мы могли отслеживать изменения, внесённые в оригинальный исходный код; используйте sparse-checkout, чтобы оставить только нужные исходники

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

В приведённой выше команде задайте <branch> либо как pwnd.43.rb1, чтобы воспроизвести результаты задачи 1, либо как pwnd для последней версии.

Вышеописанное должно создать новый файл с именем sparse-checkout в .git/modules/maude_hcs/deps/dns_formalization/info/ и указать ему включать только определённые каталоги, такие как Maude/src.

На этом этапе git status должен показывать чистое начальное состояние.

Для установки сначала установите зависимость как пакет с именем dns, который мы импортируем как Maude.*, затем установите maude_hcs как пакет (с зависимостью от dns).

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

Автоматическая генерация моделей пользователей

Модели пользователей — это марковские модели, предназначенные для представления поведения пользователей. Они задаются в формате json. Первым шагом является преобразование их в формальные представления maude.

Для этого укажите

  • protocol: dns или mastodon
  • входной каталог, содержащий все json-модели, которые вы хотите преобразовать
  • выходной каталог, который будет содержать все maude-версии json-моделей

Например,

# 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/"

См. примеры спецификаций markov json в ./maude_hcs/lib/tgen/maude/dnsprofiles/markov/ (и аналогично для mastodon), вместе с их преобразованными спецификациями maude.

Автоматическая генерация конфигураций HCS

Мы генерируем начальные конфигурации с помощью команды generate. Конфигурации HCS можно передавать напрямую в json с использованием параметров конфигурации HCS, либо с помощью файла конфигурации эксперимента Shadow, либо с помощью файла конфигурации YML. Каждый из этих способов описан далее.

Использование json-конфигурации HCS

Передайте файл конфигурации maude-hcs json следующим образом,

Чтобы сгенерировать конфигурацию вероятностной модели DNS с iodine и указать имя выходного файла,

 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/"

Задайте --model=nondet, чтобы сгенерировать недетерминированную версию.

Это создаёт исполняемый файл maude (и соответствующий json-конфиг HCS) в выходном каталоге. Входной json-файл конфигурации должен быть простым для понимания. Он включает описание

  • сетевой топологии (каналы связи и их характеристики)
  • противника (в данном случае профили детектора zeek, базовые данные для детекторов скользящего среднего и их конфигурации)
  • каналов/протоколов: каждый протокол включает скрытую сеть и лежащий в её основе сетевой протокол. Первая скрывает/встраивает данные во второй. Например, Iodine встраивается в DNS (поэтому канал называется iodine-dns), а Destini встраивается в Mastodon

Описание некоторых параметров см. в HCSParamsGuide. Обратите внимание, что вероятностная модель объединит как недетерминированные параметры, так и вероятностные параметры (которые переопределяют недетерминированные).

Использование конфигурации YML

Отдельные конфигурации

Конфигурация YML содержит полную конфигурацию туннелей и лежащих в их основе сетей. Мы можем сгенерировать конфигурацию HCS непосредственно из неё.

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

    851
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    538
  • 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.

    420
  • 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.

    357
  • 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.

    297
  • 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.

    280

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →