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
Инструменты/GitHubGitHub/threatrecall/zettelforge
OSINT (Разведка открытых источников)РазведкаАнализ уязвимостейФорензикаСбор информацииАнализ вредоносных программРазведка угрозМашинное ОбучениеОбучение и ОбразованиеРеагирование на ИнцидентыБезопасность ИИ
588375 дней назадПроверено Kitploit
Поделиться
GitHub
threatrecall/zettelforge

zettelforge

Агентная память для CTI на Python — графы знаний STIX, разрешение псевдонимов угроз, автономный RAG, MCP-сервер для агентов Claude Code и LangChain

РепозиторийСайт

ZettelForge

Единственная агентная система памяти, созданная для киберразведки угроз.

Когда уходит старший аналитик, вместе с ним уходят два-три года контекста — среды заказчиков, прошлые расследования, TTP злоумышленников, шаблоны ложных срабатываний, каждое с трудом добытое «погоди, мы это уже видели». ZettelForge — это агентная система памяти, созданная для того, чтобы этот контекст оставался у команды.

Она извлекает CVE, субъектов угроз, IOC и техники ATT&CK из заметок аналитиков и отчётов об угрозах, разрешает псевдонимы (APT28 = Fancy Bear = STRONTIUM = Sofacy), строит граф знаний STIX 2.1 и возвращает каждое прошлое расследование вашим аналитикам — и Claude Code через MCP — на естественном языке. Работает полностью в процессе. Без API-ключей. Без облака. Никакие данные не покидают хост.

PyPI Downloads/month Star History Python 3.11+ License: MIT CI Open Issues Ask DeepWiki

Star · pip install zettelforge · Docs · ThreatRecall (hosted) · Changelog

v2.6.2 (2026-04-27): веб-редактор конфигурации поставляется с работающими выпадающими списками для всех перечислимых полей (провайдер LLM/эмбеддингов, уровень логирования, действие с PII, формат синтеза) и работающей кнопкой Apply. Новый extra [crewai] предоставляет ZettelForge как инструменты CrewAI -- pip install zettelforge[crewai]. Полный список изменений

Демонстрация ZettelForge -- агентная память CTI в действии

Если ZettelForge вписывается в рабочий процесс CTI, который вы ведёте, звезда — самый быстрый сигнал о том, что в эту категорию стоит продолжать инвестировать.

Обновление до 2.9.0

Используйте Python 3.11 или новее и свежее виртуальное окружение. Это обновление безопасности временно отключает обнаружение имён пользователей Maigret, пока вышестоящий проект не поддержит исправленные зависимости; остальные OSINT-коллекторы остаются доступными. См. примечания по безопасности и обновлению.

Проблема

Каждый SOC теряет аналитиков. Когда они уходят, вместе с ними уходят контекст расследований, атрибуция субъектов угроз и специфичные для среды шаблоны ложных срабатываний. Их замены заново открывают те же тикеты, перечитывают те же отчёты и заново выстраивают те же ментальные модели с нуля.

Системы памяти на основе ИИ общего назначения не решают эту проблему для команд безопасности. Они не отличают APT28 от Fancy Bear, не знают, что CVE-2024-3094 — это бэкдор XZ Utils, не умеют разбирать Sigma или YARA и не имеют понятия об идентификаторах техник MITRE ATT&CK. Когда аналитик CTI передаёт им год отчётов по разведке, в ответ они получают нечёткий семантический поиск по истории чата.

ZettelForge создан для аналитиков, которые мыслят графами угроз. Он автоматически извлекает CVE, субъектов угроз, IOC и техники ATT&CK, разрешает псевдонимы между разными соглашениями об именовании, строит граф знаний с причинно-следственными связями и извлекает воспоминания с помощью комбинированного поиска с учётом намерения — всё в процессе, без зависимости от внешних API.

Дополнение памяти закрывает 33% разрыва между малыми и большими моделями в задачах CTI (CTI-REALM, Microsoft 2026, с использованием GPT-4 в качестве базовой большой модели). Методология и сравнения приведены в полном отчёте о бенчмарке.

ВозможностьZettelForgeMem0GraphitiCognee
Извлечение CTI-сущностей (CVE, акторы, IOC)ДаНетНетНет
Онтология STIX 2.1ДаНетНетНет
Разрешение псевдонимов threat actorДа (APT28 = Fancy Bear)НетНетНет
Граф знаний с причинными триплетамиДаНетДаДа
Извлечение с классификацией по интенту (5 типов)ДаНетНетНет
Внутрипроцессная работа / без внешнего APIДаНетНетНет
Журналы аудита в схеме OCSFДаНетНетНет
MCP-сервер (Claude Code)ДаНетНетНет

Конвейер обработки данных

Архитектура ZettelForge -- цикл нейронного извлечения: приём, обогащение, извлечение, синтез, на основе SQLite + LanceDB

Возможности

Извлечение сущностей -- Автоматически определяет CVE, threat actors, IOC (IP-адреса, домены, хеши, URL, email), техники MITRE ATT&CK, кампании, intrusion sets, инструменты, людей, местоположения и организации. Regex + LLM NER с типами STIX 2.1 на всех этапах.

Граф знаний -- Сущности становятся узлами, совместное вхождение становится рёбрами. LLM выводит причинные триплеты («APT28 использует Cobalt Strike»). Временные рёбра и замещение отслеживают эволюцию разведданных.

Разрешение псевдонимов -- APT28, Fancy Bear, Sofacy, STRONTIUM все разрешаются в один и тот же узел актора. Работает автоматически при сохранении и извлечении.

Смешанное извлечение -- Векторное сходство (768-мерный fastembed, ONNX) + обход графа (BFS по рёбрам графа знаний), взвешенные по классификации интента. Пять типов интента: фактический, временной, реляционный, исследовательский, причинный.

Эволюция памяти -- При evolve=True новые разведданные сравниваются с существующей памятью. LLM решает ADD, UPDATE, DELETE или NOOP. Устаревшие разведданные замещаются. Противоречия разрешаются. Дубликаты пропускаются.

RAG-синтез -- Синтез ответов по всем сохранённым воспоминаниям в формате direct_answer.

Внутрипроцессная работа по архитектуре -- fastembed (ONNX) для эмбеддингов, llama-cpp-python для опционального локального вывода LLM, SQLite + LanceDB для хранения и Ollama на localhost по умолчанию. Внешние API-ключи не требуются. Исходящий сетевой доступ может возникать при первом запуске при загрузке моделей эмбеддингов/LLM; после предварительной загрузки моделей работа может быть полностью офлайн (включая изолированные хосты).

Скачать инструмент

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

Данных о популярности пока нет.

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →