Skip to content
KitploitKITPLOIT
工具漏洞利用博客
Log in
提交
工具漏洞利用博客
提交

黑客、渗透测试和网络安全工具,武装您的安全武器库!

Kitploit 是一个黑客、网络安全和渗透测试工具的目录。发现最新的项目更新,查找漏洞、分析系统、自动化测试并加强你的安全。

订阅源联系隐私© 2026 Kitploit

工具目录

分类

查看所有分类
Loading categories
malware-modeler-rs — 为良性文件与恶意文件生成训练数据和模型,以及相关工具。 | Kitploit
工具/GitHubGitHub/rjzak/malware-modeler-rs
防御工具静态分析数据恢复恶意软件分析实用工具与框架机器学习论文与研究
GitHubrjzak/malware-modeler-rs

malware-modeler-rs

为良性文件与恶意文件生成训练数据和模型,以及相关工具。

查看仓库
6242天前尚未审核
分享
网站

malware modeler

Test Lint Crates.io Version

一个用于训练良性 vs. 恶意预测逻辑回归模型的机器学习应用和库,以及相关工具。

此代码为 beta 质量,可能存在缺陷。

有四个基本步骤:

  1. 特征提取:找到前 k 个 n-gram,k 约为 100k 到 1m,n 应为 8。
  2. 数据集文件创建:从你的恶意软件和良性软件集合中,创建一个数据集文件,即把特征化后的样本作为数据集文件。
  3. 模型训练:基于训练数据训练模型,可选地使用分层 n 折交叉验证(train --folds N),仅保留最佳折的模型。
  4. 评估:针对一些测试或验证(留出数据)评估模型。

此外:

  • 相似性特征可用于确保用于训练的样本具有足够的多样性。
  • N-gram 特征、数据集文件和模型都与文件类型绑定。
  • 模型可以将 k 个特征减少到较小的数量,允许模型进行进一步的特征选择,以期获得更好的模型。
  • 模型应仅针对一种文件类型创建。因此,EXE 一个模型,PDF 一个模型,ELF 一个模型,等等。
  • 训练数据应基于包含大量样本的平衡集合。良性和恶意样本数量相同,应至少有数十万个。
  • 这些是简单的模型,其效果仅取决于训练数据。糟糕、错误标记或过于相似的数据会产生毫无价值的模型。

基于以下研究:

  • Edward Raff, William Fleming, Richard Zak, Hyrum Anderson, Bill Finlayson, Charles K Nicholas, Mark McLean, William Fleming, Charles K Nicholas, Richard Zak and Mark Mclean. KiloGrams: Very Large N-Grams for Malware Classification. In Proceedings of KDD 2019 Workshop on Learning and Mining for Cybersecurity (LEMINCS'19). 2019. 文章.
  • William Fleshman, Edward Raff, Richard Zak, Mark McLean and Charles Nicholas. Static Malware Detection & Subterfuge: Quantifying the Robustness of Machine Learning and Current Anti-Virus. In 2018 13th International Conference on Malicious and Unwanted Software (MALWARE). October 2018, 1–10. Best Paper Award. 文章, Arvix, DOI.
  • Edward Raff and Charles Nicholas. Hash-Grams: Faster N-Gram Features for Classification and Malware Detection. In Proceedings of the ACM Symposium on Document Engineering 2018. 2018. 文章, DOI.
  • Richard Zak, Edward Raff and Charles Nicholas. What can N-grams learn for malware detection? In 2017 12th International Conference on Malicious and Unwanted Software (MALWARE). October 2017, 109–118. 文章, DOI.
  • Edward Raff, Richard Zak, Russell Cox, Jared Sylvester, Paul Yacci, Rebecca Ward, Anna Tracy, Mark McLean and Charles Nicholas. An investigation of byte n-gram features for malware classification. Journal of Computer Virology and Hacking Techniques, September 2016. 文章, DOI.

其他工具:

  • 根据文件类型从 Zip 压缩包中提取文件,适用于处理来自 VirusShare 的文件。
  • 按文件类型汇总 Zip 压缩包中的文件。
  • 检查目录中的文件彼此之间是否存在字节级相似性,以帮助你构建具有良好多样性的数据集。
  • 将恶意软件和良性软件目录划分为均衡的良性软件训练集、恶意软件训练集、良性软件测试集、恶意软件测试集。

补充说明:

  • 考虑从 Assemblage 获取良性数据 [论文,论文,代码,文档]
  • AI 工具已在人工监督与测试下使用。
下载工具

最受欢迎

查看全部 →

发现我们社区最常用的工具。

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 终极 OSINT 工具包:调查图谱、置信度评分、别名家族、地图、时间线和报告。49 个模块、400+ 个站点,无需 API 密钥。

    717
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock 一键执行应用(CVE-2026-43499)

    504
  • 3

    ARTEX

    baarai/artex

    基于LLM的多智能体自主渗透测试平台,具备规划器/执行器智能体、资产与探索图谱、MITM流量记录以及漏洞复测功能。

    402
  • 4

    redforge

    cybersecurity91/redforge

    浏览器端红队工具包,包含 102 个离线工具,用于侦察、载荷生成、凭据攻击、加密、编码和交战报告。

    342
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI原生网络安全的行动系统——在这里,意图转化为受治理的执行,证据沉淀为运营记忆,每一次操作都让下一次更出色。

    260
  • 6

    antifox

    antifox-ai/antifox

    AI multi-agent autonomous penetration testing platform that runs recon, attack-surface discovery, exploitation validation and evidence-backed report delivery.

    259

探索所有工具

浏览我们的工具集合

查看所有工具 →