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
SecLog — Собирает журналы безопасности из нескольких источников в воспроизводимых сценариях атак на Docker, строит цепочки атак и предоставляет бенчмарк SecLog-Bench-216 для оценки рассуждений LLM на этапах атаки. | Kitploit
Инструменты/GitHubGitHub/seclog-open/seclog
Динамический анализ (песочница)Сетевая криминалистикаФорензикаМашинное ОбучениеСтатьи и ИсследованияОбучение и ОбразованиеРеагирование на ИнцидентыОбнаружение АномалийАнализ Журналов
GitHubseclog-open/seclog

SecLog

Собирает журналы безопасности из нескольких источников в воспроизводимых сценариях атак на Docker, строит цепочки атак и предоставляет бенчмарк SecLog-Bench-216 для оценки рассуждений LLM на этапах атаки.

26414 дней назадЕщё не проверено
Репозиторий
Поделиться

SecLog

SecLog поддерживает исследования по рассуждению об этапах атаки на основе журналов безопасности из множества источников. Он предоставляет инструменты для сбора журналов из воспроизводимых сценариев Docker-атак и обычной активности, организации свидетельств в цепочки атак, построения размеченных наборов данных и оценки предсказаний моделей.

Релиз включает SecLog-Bench-216 — готовый к использованию бенчмарк из 216 окон свидетельств с проверенными метками этапов и эталонными цепочками рассуждений. Исследователи могут использовать предоставленный бенчмарк напрямую или запустить конвейер построения для получения новых данных.

Статья: SecLog-Bench: A Scalable Benchmark for Cybersecurity Log Reasoning with Scaffolded Evidence.

Ресурсы для построения на Zenodo: Docker-образы, исходные журналы и индексы выравнивания и построенные цепочки атак.

SecLog overview

Рисунок 1. Обзор SecLog. Часть I соответствует этапам 01–04, Часть II — рабочему процессу аннотирования и проверки в 05, а Часть III — рабочему процессу оценки в 05 с SecLog-Bench-216.

Основные возможности

  • Сбор журналов из множества источников: захват журналов аудита системных вызовов, сетевого трафика и журналов приложений из входящих в комплект сценариев симуляции.
  • Построение цепочек атак: организация собранных свидетельств в аудиторскую основу с контекстом приложений и трафика.
  • Экспорт наборов данных и выбор окон: экспорт продуктов цепочек в виде наборов данных или выбор окон свидетельств для аннотирования.
  • Аннотирование и проверка: подготовка промптов с маскированием идентифицирующей источник информации, запуск аннотирования и проверки через API и просмотр кандидатов через интерфейс человеческой проверки.
  • Оценка бенчмарка: нормализация ответов модели, оценка предсказаний этапов атаки и оценка рассуждений с использованием документированного протокола оценки.

Выберите отправную точку

Ваша цельНачните здесьОкружение
Прочитать или повторно использовать предоставленный набор данныхSecLog-Bench-216 и примеры данныхЛюбое средство чтения JSONL; Python 3.11 для валидатора
Оценить модель на предоставленном бенчмаркеБыстрый стартPython 3.11; конечная точка API и ключ для входящего в комплект средства запуска вывода
Собрать новые журналы и построить набор данных или бенчмаркПостроение данныхUbuntu Linux, Python 3.11, Poetry, Docker и инструменты захвата

Подробные системные пакеты, дополнительные компоненты и версии зависимостей перечислены в ENVIRONMENT_DEPENDENCIES.md.

Быстрый старт: оценка предоставленного бенчмарка

Эти команды используют Bash и выполняются из корня проекта. Начните с изолированного окружения Python 3.11:

python3.11 -m venv ../seclog-env
source ../seclog-env/bin/activate

Приведённые ниже команды используют стандартную библиотеку Python. Для сбора журналов, аннотирования, интерфейса проверки и дополнительного анализа см. руководство по окружению.

1. Проверка набора данных

python 05_benchmark_annotation_review_evaluation/scripts/validate_public_benchmark.py

Валидатор проверяет количество образцов, идентификаторы, распределение меток, ссылки на доказательства и хеши манифеста. При успешной проверке в выводе JSON указываются validation_passed: true и sample_count: 216.

2. Проверка конфигурации инференса

Замените your-model-name на идентификатор модели, поддерживаемый вашим провайдером:

python 05_benchmark_annotation_review_evaluation/evaluation/run_benchmark_inference.py \
  --prompt-pack SecLog-Bench-216/data/prompt_pack.jsonl \
  --model your-model-name \
  --output ../seclog-runs/example/raw_responses.jsonl

Эта команда сообщает mode: preflight_no_api и количество промптов. Она не обращается к провайдеру и не создаёт файл ответа, а также не проверяет, что провайдер поддерживает выбранную модель.

3. Запуск вывода модели

Задайте OPENAI_API_KEY в окружении вашей оболочки, заменив заполнитель ниже на ключ вашего провайдера, затем явно включите вызовы API:

export OPENAI_API_KEY="YOUR_API_KEY"
python 05_benchmark_annotation_review_evaluation/evaluation/run_benchmark_inference.py \
  --prompt-pack SecLog-Bench-216/data/prompt_pack.jsonl \
  --model your-model-name \
  --output ../seclog-runs/example/raw_responses.jsonl \
  --call-api

Раннер использует чат-эндпоинт, совместимый с OpenAI. Базовый URL по умолчанию — https://api.openai.com/v1; передайте --base-url для другого эндпоинта и --api-key-env для другого имени переменной с ключом. Держите выходной каталог вне дерева релиза, как в этом примере. Используйте новый выходной путь для каждого запуска или добавьте --resume, чтобы продолжить работу с существующим файлом ответов.

Чтобы использовать собственную систему инференса, включая модели, которые отклоняют temperature, max_tokens или режим JSON, используйте SecLog-Bench-216/data/prompt_pack.jsonl и формат предсказаний, затем передайте сырые выходные данные нормализатору ниже.

4. Нормализация и оценка ответов

python 05_benchmark_annotation_review_evaluation/evaluation/normalize_stage_reasoning_predictions.py \
  --input ../seclog-runs/example/raw_responses.jsonl \
  --output ../seclog-runs/example/predictions.jsonl

python 05_benchmark_annotation_review_evaluation/evaluation/evaluate_stage_reasoning_predictions.py \
  --gold SecLog-Bench-216/data/gold_labels.jsonl \
  --reference-chains SecLog-Bench-216/data/reference_reasoning_chains.jsonl \
  --model-input SecLog-Bench-216/data/evidence_windows.jsonl \
  --sample-index SecLog-Bench-216/data/sample_index.jsonl \
  --predictions ../seclog-runs/example/predictions.jsonl \
  --output-dir ../seclog-runs/example/evaluation

Результаты включают:

Выходные данныеСодержимое
predictions.jsonlНормализованные предсказания модели
invalid_outputs.jsonlОтветы, которые не удалось успешно нормализовать
evaluation/metrics_summary.jsonАгрегированные метрики оценки
evaluation/per_sample_results.jsonlРезультаты по каждому образцу
evaluation/confusion_matrix.csvМатрица ошибок предсказания стадий
evaluation/per_stage_metrics.csvМетрики по стадиям
evaluation/error_cases.jsonlСлучаи, сохранённые для анализа ошибок

Пересечение эталонных данных и доказательств в этом оценщике носит диагностический характер. Формальная оценка качества рассуждений требует дополнительного контрольного списка и рабочего процесса проверки ассистентом в разделе Post-hoc reasoning quality.

Примеры входных и выходных данных

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.

    668
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    496
  • 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.

    394
  • 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.

    339
  • 5

    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
  • 6

    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.

    254

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →