NGWAF

N3XT-G3N Web应用防火墙（NGWAF） NGWAF 由@yupengfei、@zhangbosen、@matthewng 和 @elizabethlim 创建。 特别感谢@ruinahkoh 在 NGWAF 初始阶段所做的贡献。 NGWAF 是一个实验性概念验证，目前尚未准备好投入生产使用。 目录 1. 动机 ​ NGWAF 如何工作？ ​ NGWAF 的关键考量 2. 组件 | NGWAF 的齿轮 ​ 大脑：基于机器学习的 WAF ​ 镜屋：可扩展的交互式隔离环境 ​ 图书馆：强化大脑的再训练序列 3. 设置 NGWAF ​ 要求 ​ 安装与使用 4. 免责声明及其他考量 5...

anomaly-flow

Anomaly-Flow Marco de trabajo para implementar Sistemas de Detección de Intrusiones NIDS orientados a identificar anomalías en flujos de red utilizando modelos de Aprendizaje Automático. Artículo de referencia: Anomaly-Flow: Una Red Generativa Adversarial Federada Multi-dominio para la Detección ...

backdoor-learning-resources

Backdoor Learning Resources This Github repository summarizes a list of Backdoor Learning resources. For more details and the categorization criteria, please refer to our survey. We will try our best to continuously maintain this Github Repository in a monthly manner. Why Backdoor Learning?...

network-threats-taxonomy

网络威胁与工具分类法 基于机器学习的入侵检测系统由于缺乏准确代表网络流量及其相关威胁的数据集而难以评估。在本项目中，我们尝试通过提出两个分类法——“入侵检测系统设计技术、网络威胁与数据集分类法及综述”和“用于入侵检测系统的恶意流量分类法”——来解决这一问题，对威胁进行分类并评估当前数据集。结果表明，目前大量已发表的研究使用过时的数据集和过时的威胁来训练入侵检测算法。为此，我们提供了威胁分类法的源代码，使其他研究人员能够贡献和修改它。 该分类法是阿伯泰大学、思克莱德大学、海军学院研究所和米德尔塞克斯大学（毛里求斯校区）之间的合作成果。 分类法结构 该分类法根据以下维度对每种网络威胁进行分类...

DGA

DGA El repositorio que contiene los algoritmos para generar nombres de dominio, diccionarios de nombres de dominio maliciosos. Desarrollado para investigar la posibilidad de aplicar machine learning y redes neuronales para detectar y clasificar dominios maliciosos. Lista de wordlists alexa.csv...

OMLASP

OMLASP root@kitploit: | | | | | | || | | || | | | | | | | | OMLASP - 开放机器学习应用安全项目 旨在成为审计机器学习算法的标准。它不仅关注算法的安全性，也关注其偏见。通常，部署使用机器学习或深度学习算法的应用程序时，安全审计仅检查传统漏洞。然而，这些算法同样暴露于其他攻击者可利用的漏洞，而这些漏洞将贯穿本框架或工具集。互联网上有大量关于这些攻击的信息，但分散、通常偏学术或直接出自学术论文。我们希望将这些攻击技术带给不精通机器学习的网络安全领域。我们想到了网络安全领域众所周知的框架：MITRE ATT&CK...

ML-for-RNGs

ML-for-RNGs Usando Machine Learning para predecir secuencias de RNGs...

SyntheticSun

SyntheticSun SyntheticSun 是一个深度防御安全自动化与监控框架，它利用威胁情报、机器学习、托管的 AWS 安全服务以及无服务器技术，持续预防、检测和响应威胁。 你睡在碎玻璃中 映着你的倒影， 但你是否感到鲜活？ 是啊，让我问你， 你是否感到鲜活？ - Norma Jean, 2016 概述 使用基于事件和时间的无服务器自动化（例如 AWS CodeBuild、AWS Lambda）来收集、标准化、丰富和关联 Kibana 中的安全遥测数据 利用威胁情报、地理位置数据、开源情报、基于机器学习的异常检测以及 AWS API，进一步丰富安全遥测数据并识别潜在威胁...

AI_Security_Top

🛡️ AI-Security-Knowledge-Base Este es un proyecto sistemático de investigación en seguridad de IA que abarca un sistema de conocimiento completo, desde la teoría fundamental de algoritmos de aprendizaje automático hasta ataques de inyección de modelos de vanguardia, evasión de detección en IA y...

stringsifter

StringSifter es una herramienta de aprendizaje automático que clasifica automáticamente las cadenas según su relevancia para el análisis de malware. Enlaces rápidos Artículo técnico del blog - Learning to Rank Strings Output for Speedier Malware Analysis Anuncio en el blog - Open Sourcing...

BlueBox

BlueBox Malware analysis Box and Cyber threat Hunting What is it? Threat intelligence data about a malware, an IP or a domain , URL ? a Quick Analysis suspicious File or Malware ! BlueBox is an Open Source Intelligence, or OSINT solution to get threat intelligence data about a specific file, an I...

Damn-Vulnerable-ML-Model

Este repositorio no tiene un README...

rulesfinder

rulesfinder ¡Reglas de mutación de contraseñas mediante aprendizaje automático! Esta herramienta encuentra reglas eficientes de mutación de contraseñas para John the Ripper o Hashcat a partir de un diccionario determinado y una lista de contraseñas. La herramienta está actualmente en calidad alfa...

Jammer-Loc

Jammer-Loc This repository includes the code and the Dataset Link for the paper “Machine and Deep Learning for Indoor UWB Jammer Localization.” Usage Example Run the hyperparameter optimization process: root@kitploit: python hpo.py \ --task classification \ --mode actual \ --framework ml \ --conf...

URL_CHECKER

Comprobador de Phishing de URLs Una herramienta ligera basada en web que detecta si una URL es probablemente phishing o segura usando un enfoque híbrido de Aprendizaje Automático Random Forest/SVM y análisis basado en reglas heurísticas. Construido con fines educativos y experimentación en...

ThreatSentry-AI

ThreatSentry AI：AI 驱动的威胁狩猎工具 自动进行外部资产发现，通过多源数据智能丰富，并利用集成机器学习预测和优先处理风险。将警报疲劳转化为可操作的情报。 🚀 使命宣言 ThreatSentry AI 通过智能风险优先级排序，消除安全警报疲劳，实现主动威胁狩猎。它结合了自动化资产发现、多源数据丰富和高级机器学习，将原始安全数据转化为可操作的情报。 👨‍💻 作者与致谢 项目负责人： EclipseManic 开发说明： 这个全面的企业安全平台由一位开发者在 AI 开发工具的协助下（用于代码生成、优化和文档）进行架构和开发——证明了 AI 增强的软件工程在复杂系统中的可行性。 📋...

CVE-2024-38063

CVE-2024-38063 Vulnerabilidad de Windows que permite llevar a cabo actividad no autorizada a través de la red: ejecución remota de código en Windows TCP/IP. Dos máquinas virtuales —una víctima y un atacante— están listas para simular el ataque. En la máquina víctima se utilizó una herramienta de...

Final-project-SQL-injection-pipeline

Detección de Inyección SQL — Pipelines Híbridos de ML Código fuente para la tesis de MSc: Mejora del Firewall de Aplicaciones Web con Aprendizaje Automático para la Detección de Inyección SQL...

dtls-fuzzer

dtls-fuzzer 是一个Java工具，用于对DTLS服务器执行协议状态模糊测试。具体而言，它支持以下功能： 1. 给定一个字母表，它可以自动生成本地DTLS服务器实现的模型； 2. 给定一个测试（输入序列）和一个字母表，它可以在DTLS服务器实现上执行该测试； 3. 它可以运行批量学习任务，涉及多次学习运行。 dtls-fuzzer 使用 TLS-Attacker 来生成/解析DTLS消息以及维护状态。 为此，TLS-Attacker 已扩展了对DTLS的支持。 dtls-fuzzer 依赖于 版本 3.0b 的 TLS-Attacker ，该版本实现了DTLS增强功能。 制品内容...

API-attack-detection-with-AI

Detección de ataques SQL/XSS en API Web con inteligencia artificial / machine learning Este proyecto tiene como objetivo detectar inyecciones SQL y XSS en consultas/parámetros de API utilizando machine learning. Presentación del proyecto Este proyecto tiene como objetivo detectar inyecciones SQL ...