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
工具/GitHubGitHub/xueboqiu/prohunter
侦察漏洞分析信息收集威胁情报机器学习异常检测
GitHubxueboqiu/prohunter

ProHunter

基于图表的威胁检测系统,利用非精确图向量匹配技术,将威胁图与源自CTI的攻击查询图进行比对,以实现自动化恶意判定与威胁评分。

查看仓库
1045011个月前尚未审核
分享

📋 概览

该项目是 ProHunter 系统的核心模块,主要用于对从 PPG 模块 采样的威胁图进行恶意判定。该方法的核心思想是利用非精确图向量匹配,计算威胁图与由 CTI 生成的攻击查询图之间的向量相似度,从而产生用于判定的威胁分数。框架如下图所示。

ProHunter 系统框架

注意: 本项目作为 PPG 的下游检测模块,即攻击表示与匹配(Attack Representation & Matching)。有关包含溯源图存储和威胁图采样在内的完整工作流程,请先参阅 PPG 模块。


🚀 快速开始

环境要求

Python 版本: 3.7.12

# Clone the repository
git clone https://github.com/xueboQiu/ProHunter
cd ProHunter

# Install dependencies
pip install -r requirements.txt

📊 功能模块

1️⃣ 威胁图可视化

对 PPG 模块采样的威胁图进行可视化。

用法:

  1. 将威胁图数据放入相应的数据集目录:

    dataset/darpa_cadets/sgs_demo/sce041214_E5A15412-68E0-FD54-A068-DD6114FD9040_2.txt # The case provided for visualization
    
  2. 准备映射文件(例如 names.json),该文件可通过运行 dataset_preprocess.py 自动生成(参见威胁检测模块的工作流程)

  3. 修改 subgraph_vision.py 中的数据集路径,并运行可视化脚本:

    python subgraph_vision.py
    

    在脚本中指定相应的数据集。程序将自动从 sgs_demo 目录中读取并可视化子图数据。

可视化结果示例:

威胁图可视化

2️⃣ 威胁检测模块

第 1 步:下载数据集

数据集日志文件平台下载链接
E3-Cadetsta1-cadets-e3-official-1.json.{0-4}FreeBSDDARPA E3
E3-Theiata1-theia-e3-official-6r.json.{0-12}LinuxDARPA E3
E3-Traceta1-trace-e3-official.json.{0-203}LinuxDARPA E3
E5-Theiata1-theia-1-e5-official-2.bin.{27-31}LinuxDARPA E5
E5-Clearscope2_1ta1-clearscope-2-e5-official-1.bin.{15-20}AndroidDARPA E5
E5-Clearscope2_2ta1-clearscope-2-e5-official-1.bin.{24-33}AndroidDARPA E5
OPTCbenign/20-23Sep19/AIA-201-225/{*}WindowsOpTC

将下载的文件按以下结构放入项目目录:

datasets/darpa_{dataset_name}/raws/xx.json

第 2 步:数据预处理

python preprocess/dataset_preprocess.py  # Extract triple information from raw datasets:

这将生成元组文件,位于:

datasets/darpa_{dataset_name}/tuples/xx.txt

第 3 步:构建训练和测试数据集

python preprocess/parse_trace.py

第 4 步:模型训练

python pretrain_gmpt_cl.py --mode={dataset_name} --eval=False

注意: 其他参数(例如 epoch、学习率)可在 util.py 的 parse_args() 函数中找到。

第 5 步:模型评估

python pretrain_gmpt_cl.py --mode={dataset_name} --eval=True

模型将从 models/{dataset_name}/best.pth 加载模型参数。

3️⃣ 提供的示例

本项目提供了预处理后的 CADETS 数据集样本,可用于即时测试:

# Direct evaluation (using pre-trained model)
python pretrain_gmpt_cl.py --mode=cadets --eval=True

# Re-train the model
python pretrain_gmpt_cl.py --mode=cadets --eval=False
python pretrain_gmpt_cl.py --mode=cadets --eval=True

示例评估结果:

威胁狩猎结果

📁 项目结构

ProHunter/
├── dataset/
│   └── darpa_cadets/              # Example dataset
│       ├── raws/                  # Raw dataset files
│       ├── sgs_demo/              
│       ├── test/                  
│       ├── train/                 
│       ├── tuples/                # Extracted tuples
│       ├── edge_type_map.json     
│       ├── names.json             # UUID to name mapping 
│       ├── node_type_map.json    
│       └── types.json             # UUID to type mapping
├── models/
│   └── {dataset_name}/
│       └── best.pth               # Trained model parameters
├── preprocess/                    # Data preprocessing scripts
├── subgraph/                      
├── batch.py                       
├── darpa_loader.py                # DARPA data loader
├── darpa_model.py                 
├── dataloader.py                  # Data loading utilities
├── graph_matching.py              
├── pretrain_gmpt_cl.py            # Main training & evaluation script
├── splitters.py                   
├── util.py                        # Utility functions & arguments
├── requirements.txt               # Dependencies
└── readme.md                      
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。

    911
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock 一键执行应用(CVE-2026-43499)

    548
  • 3

    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。

    366
  • 4

    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。

    362
  • 5

    looking-glass

    anonghosty/looking-glass

    CSIRT 平台,可将 Shadowserver 报告导入 MongoDB,并将其重放为交互式地图、分析、发现、公告和高管仪表板。

    311
  • 6

    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。

    287

探索所有工具

浏览我们的工具集合

查看所有工具 →