🎯 libdebug создаем свой отладчик:
Когда стандартные инструменты не справляются — ты создаёшь свои. Именно так поступили исследователи из Politecnico di Milano, представив libdebug — мощную Python-библиотеку для программируемой отладки бинарников в userland-пространстве.
🧩 Что такое libdebug?
🔧 libdebug — open-source Python-библиотека, позволяющая создавать собственные отладчики. Вместо интерфейсов, ориентированных на человека, как в GDB, libdebug создан для автоматизации и гибкой интеграции. Она ориентирована не только на разработчиков, но и на специалистов по безопасности, реверс-инженеров и исследователей уязвимостей.
📦 GitHub: libdebug
📚 Документация: docs.libdebug.org
🚀 Что умеет libdebug?
🧠 Управление регистрами, памятью, syscalls и сигналами
🛠 Поддержка брейкпоинтов и watchpoint'ов
🧵 Поддержка многопоточности
🖥️ Работа с потоками ввода-вывода процесса
🔄 Не требует отладки с debug-символами — работает с «сырыми» бинарниками
🌍 Поддержка архитектур AMD64 и AArch64
А главное — всё это через чистый Python-интерфейс, без боли ptrace и низкоуровневых API.
🔬 Три крутых кейса использования
1️⃣ 🎛️ Отладка байт-кода
libdebug позволяет "влезть" в интерпретаторы вроде CPython и отслеживать/модифицировать опкоды прямо во время исполнения. Хочешь, чтобы + внезапно стал -? Без проблем.
2️⃣ 🧨 Автоматический поиск уязвимостей
Используя libdebug, можно ловить SIGSEGV, анализировать память и даже программно экспериментировать с эксплойтами. Это удобно при fuzzing-анализе или поиске точек входа для RCE.
3️⃣ 🧪 Юнит-тесты и покрытие
Инструмент может использоваться для динамического анализа покрытия кода, включая ветвления и редкие сбои (например, ошибка при malloc или чтении из файла). Всё это легко интегрируется в CI/CD.
💡 Исходники примеров: libdebug/examples
⚔️ Бенчмарки: GDB против libdebug
libdebug обрабатывает брейкпоинты и syscalls в 3–4 раза быстрее, чем GDB с Python-обвязкой
Скрипты для воспроизводимости: benchmark suite
⌛ Это огромный плюс для задач, где важна скорость реакции: от fuzzing до runtime-мониторинга.
Stay secure and read SecureTechTalks 📚
#SecureTechTalks #libdebug #ReverseEngineering #Python #Debugging #CyberSecurity #CTF #BugHunting #ExploitDev #SecurityResearch #DevSecOps #OpenSourceTools
Когда стандартные инструменты не справляются — ты создаёшь свои. Именно так поступили исследователи из Politecnico di Milano, представив libdebug — мощную Python-библиотеку для программируемой отладки бинарников в userland-пространстве.
🧩 Что такое libdebug?
🔧 libdebug — open-source Python-библиотека, позволяющая создавать собственные отладчики. Вместо интерфейсов, ориентированных на человека, как в GDB, libdebug создан для автоматизации и гибкой интеграции. Она ориентирована не только на разработчиков, но и на специалистов по безопасности, реверс-инженеров и исследователей уязвимостей.
📦 GitHub: libdebug
📚 Документация: docs.libdebug.org
🚀 Что умеет libdebug?
🧠 Управление регистрами, памятью, syscalls и сигналами
🛠 Поддержка брейкпоинтов и watchpoint'ов
🧵 Поддержка многопоточности
🖥️ Работа с потоками ввода-вывода процесса
🔄 Не требует отладки с debug-символами — работает с «сырыми» бинарниками
🌍 Поддержка архитектур AMD64 и AArch64
А главное — всё это через чистый Python-интерфейс, без боли ptrace и низкоуровневых API.
🔬 Три крутых кейса использования
1️⃣ 🎛️ Отладка байт-кода
libdebug позволяет "влезть" в интерпретаторы вроде CPython и отслеживать/модифицировать опкоды прямо во время исполнения. Хочешь, чтобы + внезапно стал -? Без проблем.
2️⃣ 🧨 Автоматический поиск уязвимостей
Используя libdebug, можно ловить SIGSEGV, анализировать память и даже программно экспериментировать с эксплойтами. Это удобно при fuzzing-анализе или поиске точек входа для RCE.
3️⃣ 🧪 Юнит-тесты и покрытие
Инструмент может использоваться для динамического анализа покрытия кода, включая ветвления и редкие сбои (например, ошибка при malloc или чтении из файла). Всё это легко интегрируется в CI/CD.
💡 Исходники примеров: libdebug/examples
⚔️ Бенчмарки: GDB против libdebug
libdebug обрабатывает брейкпоинты и syscalls в 3–4 раза быстрее, чем GDB с Python-обвязкой
Скрипты для воспроизводимости: benchmark suite
⌛ Это огромный плюс для задач, где важна скорость реакции: от fuzzing до runtime-мониторинга.
Stay secure and read SecureTechTalks 📚
#SecureTechTalks #libdebug #ReverseEngineering #Python #Debugging #CyberSecurity #CTF #BugHunting #ExploitDev #SecurityResearch #DevSecOps #OpenSourceTools
🛡 OSS Rebuild от Google: Проверка на подлог в открытом коде
Google представил решение, которое может радикально изменить подход к безопасности open-source-экосистем. OSS Rebuild — инструмент для автоматической верификации целостности пакетов из PyPI, npm и Crates.io.
💥 В чём суть?
Каждый день тысячи разработчиков устанавливают зависимости из публичных репозиториев — с верой в то, что эти пакеты собраны из «чистого» исходного кода. Но что если в опубликованной версии — вредоносная вставка, которую нет в исходниках?
OSS Rebuild позволяет это выявить. Он пересобирает пакеты из оригинального кода и сравнивает результат с тем, что выложено в реестр. Если совпадают — значит всё чисто. Если нет — возможно, кто-то пытался вас взломать.
🧠 OSS Rebuild использует воспроизводимую сборку: идею, что один и тот же код при тех же условиях должен давать идентичный бинарный результат.
1⃣ Он автоматически анализирует, какие параметры сборки нужны для получения того самого пакета.
2⃣ После успешной пересборки создаётся криптографическая аттестация, которую можно хранить, пересматривать и проверять.
3⃣ Все результаты публикуются в открытом хранилище: ты всегда можешь узнать, проверялась ли нужная тебе версия пакета.
🚨 Что получаем?
🔸 Защита от supply-chain атак
Если злоумышленник получил доступ к учётке мейнтейнера, он может выложить «троянский» билд, не трогая исходники. OSS Rebuild заметит такую подмену.
🔸 Масштабируемость
Инструмент уже проверяет тысячи пакетов автоматически, и это можно встроить в CI/CD или использовать как независимую проверку.
🔸 Прозрачность
Всё, что проверено, снабжается понятным отчётом. Инфраструктура полностью открыта — можно использовать в своих разработках.
🔸 Универсальность
Работает с разными экосистемами: npm (JavaScript), PyPI (Python), Crates.io (Rust). В будущем — больше.
🧩 Есть куда расти
Возможность быстро проверить, действительно ли бинарник сделан из нужного исходника, открывает новые горизонты:
- Сборка «белого списка» доверенных пакетов
- Интеграция с безопасной поставкой ПО (SLSA, SBOM)
- Автоматическая валидация зависимостей при билде
- Верификация уязвимостей: уязвим ли действительно установленный код?
📎 Ссылки:
🔗 GitHub: github.com/google/oss-rebuild
📘 Документация: oss-rebuild.dev
🗞 Блог Google: Introducing OSS Rebuild
Stay secure and read SecureTechTalks 📚
#OSSRebuild #SupplyChainSecurity #OpenSource #GoogleSecurity #PyPI #npm #RustLang #DevSecOps #SLSA #CyberSecurity #SecureTechTalks #ReproducibleBuilds #SoftwareIntegrity #OpenSourceTools #TrustButVerify #SecurityInnovation #CI_CD #SecureDevelopment #SecurityTools #GoogleOpenSource #DigitalDefense
Google представил решение, которое может радикально изменить подход к безопасности open-source-экосистем. OSS Rebuild — инструмент для автоматической верификации целостности пакетов из PyPI, npm и Crates.io.
💥 В чём суть?
Каждый день тысячи разработчиков устанавливают зависимости из публичных репозиториев — с верой в то, что эти пакеты собраны из «чистого» исходного кода. Но что если в опубликованной версии — вредоносная вставка, которую нет в исходниках?
OSS Rebuild позволяет это выявить. Он пересобирает пакеты из оригинального кода и сравнивает результат с тем, что выложено в реестр. Если совпадают — значит всё чисто. Если нет — возможно, кто-то пытался вас взломать.
🧠 OSS Rebuild использует воспроизводимую сборку: идею, что один и тот же код при тех же условиях должен давать идентичный бинарный результат.
1⃣ Он автоматически анализирует, какие параметры сборки нужны для получения того самого пакета.
2⃣ После успешной пересборки создаётся криптографическая аттестация, которую можно хранить, пересматривать и проверять.
3⃣ Все результаты публикуются в открытом хранилище: ты всегда можешь узнать, проверялась ли нужная тебе версия пакета.
🚨 Что получаем?
🔸 Защита от supply-chain атак
Если злоумышленник получил доступ к учётке мейнтейнера, он может выложить «троянский» билд, не трогая исходники. OSS Rebuild заметит такую подмену.
🔸 Масштабируемость
Инструмент уже проверяет тысячи пакетов автоматически, и это можно встроить в CI/CD или использовать как независимую проверку.
🔸 Прозрачность
Всё, что проверено, снабжается понятным отчётом. Инфраструктура полностью открыта — можно использовать в своих разработках.
🔸 Универсальность
Работает с разными экосистемами: npm (JavaScript), PyPI (Python), Crates.io (Rust). В будущем — больше.
🧩 Есть куда расти
Возможность быстро проверить, действительно ли бинарник сделан из нужного исходника, открывает новые горизонты:
- Сборка «белого списка» доверенных пакетов
- Интеграция с безопасной поставкой ПО (SLSA, SBOM)
- Автоматическая валидация зависимостей при билде
- Верификация уязвимостей: уязвим ли действительно установленный код?
📎 Ссылки:
🔗 GitHub: github.com/google/oss-rebuild
📘 Документация: oss-rebuild.dev
🗞 Блог Google: Introducing OSS Rebuild
Stay secure and read SecureTechTalks 📚
#OSSRebuild #SupplyChainSecurity #OpenSource #GoogleSecurity #PyPI #npm #RustLang #DevSecOps #SLSA #CyberSecurity #SecureTechTalks #ReproducibleBuilds #SoftwareIntegrity #OpenSourceTools #TrustButVerify #SecurityInnovation #CI_CD #SecureDevelopment #SecurityTools #GoogleOpenSource #DigitalDefense
🚀 AutoSwagger: автоматическая генерация OpenAPI-спецификаций
📡 Упрощаем работу с API и повышаем безопасность
AutoSwagger — инструмент с открытым кодом, разработанный Intruder.io, который делает одну, но крайне важную вещь: автоматически извлекает OpenAPI-спецификации (Swagger) из веб-приложений, даже если они не задокументированы.
🤖 Зачем нужен AutoSwagger?
Многие приложения (особенно legacy) не имеют документированного API. Что это значит для безопасника?
➖ Неясна логика запросов и структура путей.
➖ Трудно автоматизировать анализ уязвимостей.
➖ Тесты на авторизацию, ограничение методов и rate-limit приходится делать вручную.
AutoSwagger решает всё это. Он перехватывает HTTP-трафик, анализирует его, и строит .yaml-файл OpenAPI, который можно скормить Burp Suite, ZAP, Postman, Dredd и другим инструментам.
⚙️ Принцип работы
AutoSwagger слушает трафик между клиентом и сервером (через MITM-прокси или сессии Burp/ZAP) и автоматически строит спецификацию OpenAPI:
➖ Запоминает уникальные endpoints (GET, POST, PUT, DELETE и т.д.)
➖ Извлекает параметры из тела запроса, query и path
➖ Анализирует заголовки и статус-коды
➖ Автоматически группирует запросы по тегам и структуре
💡 В итоге вы получаете почти полную API-документацию — даже если разработчики не оставили ни строки Swagger-декларации.
📦 Возможности
🔍 Анализ любого трафика — можно использовать как с прокси (Burp, ZAP), так и с логами HAR или ПКАП
📄 Генерация OpenAPI 3.0 — стандартная спецификация, которую понимают все современные сканеры
🧠 Обогащение вручную — вы можете доработать YAML-файл, указать авторизацию, добавить примеры
🧪 Интеграция с fuzzing и security tools — AutoSwagger хорошо сочетается с:
- OWASP ZAP
- Postman
- Schemathesis
- Dredd
- Burp Repeater + Intruder
🛡️ Применение
📍 Пентесты API: Получите карту всех обнаруженных endpoint'ов и быстро напишите тест-кейсы.
🧪 Fuzzing на основе схемы: Используйте генератор для атаки на структуру запросов.
📊 Отчётность и отчёты для заказчиков: визуализация и структурированность повышают доверие.
🤖 Автоматизация CI/CD: проверка изменения API и сравнение с эталонной спецификацией.
💡 Для кого?
🔐 Red Team и пентестеры — для ускорения API-реконструкции
🏢 ИБ-отделы и DevSecOps-интеграторы — для контроля изменений API в продуктиве
🧪 Тестировщики — для генерации автоматизированных тестов по реальному трафику
👨💻 Разработчики — чтобы не писать Swagger руками
🌐 Где найти?
Исходный код на GitHub:
🔗 https://github.com/intruder-io/autoswagger
Документация включает примеры, инструкции и описание форматов вывода.
Stay secure and read SecureTechTalks 📚
#APIsecurity #AutoSwagger #OpenAPI #PentestTools #BugBounty #DevSecOps #Swagger #Cybersecurity #SecurityAutomation #BurpSuite #OWASP #ZAP #APITesting #SecureTechTalks #RedTeamTools #InfoSec #OpenSourceTools #YAML #ThreatDetection
📡 Упрощаем работу с API и повышаем безопасность
AutoSwagger — инструмент с открытым кодом, разработанный Intruder.io, который делает одну, но крайне важную вещь: автоматически извлекает OpenAPI-спецификации (Swagger) из веб-приложений, даже если они не задокументированы.
🤖 Зачем нужен AutoSwagger?
Многие приложения (особенно legacy) не имеют документированного API. Что это значит для безопасника?
AutoSwagger решает всё это. Он перехватывает HTTP-трафик, анализирует его, и строит .yaml-файл OpenAPI, который можно скормить Burp Suite, ZAP, Postman, Dredd и другим инструментам.
⚙️ Принцип работы
AutoSwagger слушает трафик между клиентом и сервером (через MITM-прокси или сессии Burp/ZAP) и автоматически строит спецификацию OpenAPI:
💡 В итоге вы получаете почти полную API-документацию — даже если разработчики не оставили ни строки Swagger-декларации.
📦 Возможности
🔍 Анализ любого трафика — можно использовать как с прокси (Burp, ZAP), так и с логами HAR или ПКАП
📄 Генерация OpenAPI 3.0 — стандартная спецификация, которую понимают все современные сканеры
🧠 Обогащение вручную — вы можете доработать YAML-файл, указать авторизацию, добавить примеры
🧪 Интеграция с fuzzing и security tools — AutoSwagger хорошо сочетается с:
- OWASP ZAP
- Postman
- Schemathesis
- Dredd
- Burp Repeater + Intruder
🛡️ Применение
📍 Пентесты API: Получите карту всех обнаруженных endpoint'ов и быстро напишите тест-кейсы.
🧪 Fuzzing на основе схемы: Используйте генератор для атаки на структуру запросов.
📊 Отчётность и отчёты для заказчиков: визуализация и структурированность повышают доверие.
🤖 Автоматизация CI/CD: проверка изменения API и сравнение с эталонной спецификацией.
💡 Для кого?
🔐 Red Team и пентестеры — для ускорения API-реконструкции
🏢 ИБ-отделы и DevSecOps-интеграторы — для контроля изменений API в продуктиве
🧪 Тестировщики — для генерации автоматизированных тестов по реальному трафику
👨💻 Разработчики — чтобы не писать Swagger руками
🌐 Где найти?
Исходный код на GitHub:
🔗 https://github.com/intruder-io/autoswagger
Документация включает примеры, инструкции и описание форматов вывода.
Stay secure and read SecureTechTalks 📚
#APIsecurity #AutoSwagger #OpenAPI #PentestTools #BugBounty #DevSecOps #Swagger #Cybersecurity #SecurityAutomation #BurpSuite #OWASP #ZAP #APITesting #SecureTechTalks #RedTeamTools #InfoSec #OpenSourceTools #YAML #ThreatDetection
Please open Telegram to view this post
VIEW IN TELEGRAM
🧠 RAG Security Scanner — инструмент для анализа утечек в Retrieval-Augmented Generation
📚 Когда внешние данные превращаются в угрозу
RAG-архитектуры стали неотъемлемой частью современного ИИ: они позволяют языковым моделям (LLM) давать более точные ответы, подгружая внешний контекст из баз знаний, вики, векторных хранилищ. Но где данные — там и риски. Один неосторожный документ, и ваш GPT может начать «цитировать» токены, персональные данные или внутренние инструкции.
Чтобы этого не произошло, можно использовать RAG Security Scanner — open-source-инструмент, позволяющий автоматически проверить, не выдает ли ваша RAG-система конфиденциальную информацию пользователям.
🔍 Что реально делает этот инструмент?
RAG Security Scanner воспроизводит поведение ретривера LLM и анализирует документы, доступные модели. Он:
➖ разбивает документы на фрагменты (чанки)
➖ индексирует их в локальном FAISS-хранилище
➖ применяет ключевые фразы-триггеры ("password", "confidential", "api_key", и т.д.)
➖ ищет, какие куски могут быть возвращены в ответ на потенциально чувствительные запросы
Итог: вы получаете список фрагментов, содержащих уязвимую информацию, которые могут быть «вытянуты» LLM в процессе генерации.
📦 Фичи, которые делают его полезным
💡 Гибкая система ключевых слов — можно добавлять свои триггеры под нужды проекта
🧠 Полноценная локальная работа — не требует подключения к внешним API
📂 Поддержка распространённых форматов — PDF, .txt и т.п.
⚠️ Прозрачная визуализация совпадений — легко отследить, где именно возникает риск
🧰 Интеграция с пайплайнами — можно внедрить в CI/CD для автоматической проверки
🧪 Overview
RAG Security Scanner —это рабочий инструмент для:
➖ обеспечения безопасности RAG-приложений и чат-ботов
➖ оценки рисков при загрузке данных в LangChain, LlamaIndex и др.
➖ тестирования и аудита корпоративных знаний перед их отправкой в векторное хранилище
➖ контроля соответствия требованиям privacy и compliance
🔗 Ссылка на проект:
💻 GitHub: github.com/olegnazarov/rag-security-scanner
Stay secure and read SecureTechTalks 📚
#RAGSecurityScanner #RAG #LLMSecurity #DataPrivacy #OpenSourceTools #PentestTools #Cybersecurity #LangChain #AICompliance #SecureTechTalks #VectorDB #FAISS #AIContextLeak #DevSecOps #SecurityScanner #RedTeamTools #AIHardening
📚 Когда внешние данные превращаются в угрозу
RAG-архитектуры стали неотъемлемой частью современного ИИ: они позволяют языковым моделям (LLM) давать более точные ответы, подгружая внешний контекст из баз знаний, вики, векторных хранилищ. Но где данные — там и риски. Один неосторожный документ, и ваш GPT может начать «цитировать» токены, персональные данные или внутренние инструкции.
Чтобы этого не произошло, можно использовать RAG Security Scanner — open-source-инструмент, позволяющий автоматически проверить, не выдает ли ваша RAG-система конфиденциальную информацию пользователям.
🔍 Что реально делает этот инструмент?
RAG Security Scanner воспроизводит поведение ретривера LLM и анализирует документы, доступные модели. Он:
Итог: вы получаете список фрагментов, содержащих уязвимую информацию, которые могут быть «вытянуты» LLM в процессе генерации.
📦 Фичи, которые делают его полезным
💡 Гибкая система ключевых слов — можно добавлять свои триггеры под нужды проекта
🧠 Полноценная локальная работа — не требует подключения к внешним API
📂 Поддержка распространённых форматов — PDF, .txt и т.п.
⚠️ Прозрачная визуализация совпадений — легко отследить, где именно возникает риск
🧰 Интеграция с пайплайнами — можно внедрить в CI/CD для автоматической проверки
🧪 Overview
RAG Security Scanner —это рабочий инструмент для:
🔗 Ссылка на проект:
💻 GitHub: github.com/olegnazarov/rag-security-scanner
Stay secure and read SecureTechTalks 📚
#RAGSecurityScanner #RAG #LLMSecurity #DataPrivacy #OpenSourceTools #PentestTools #Cybersecurity #LangChain #AICompliance #SecureTechTalks #VectorDB #FAISS #AIContextLeak #DevSecOps #SecurityScanner #RedTeamTools #AIHardening
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
🔍 VulnHuntr: автоматический охотник за уязвимостями в ML и LLM-моделях
Как защитить свои модели до того, как их сломают злоумышленники
Современные ИИ-системы — это уже не просто код, а сложные архитектуры с сотнями скрытых параметров и цепочками данных. Их уязвимости не всегда очевидны, а последствия могут быть критическими: от обхода защитных фильтров до утечек данных.
VulnHuntr — open-source-инструмент от Protect AI, который позволяет системно и автоматически находить слабые места в LLM ML-моделях, прежде чем их найдут атакующие.
⚙️ Что умеет VulnHuntr?
🔹 Автоматизированное сканирование моделей
Проводит серию атак (white-box или black-box) и фиксирует, где модель «падает».
🔹 Генерация отчётов
Создаёт подробные отчёты, которые можно интегрировать в баг-трекинг или CI/CD.
🔹 Проверка на известные классы атак
Поддерживает шаблоны для популярных техник из MITRE ATLAS и academic papers.
🔹 Поддержка разных фреймворков
Работает с PyTorch, TensorFlow, ONNX и любыми моделями, доступными через API.
🔹 Модульность
Можно писать свои плагины: например, тест на утечку векторных эмбеддингов или проверку генеративных моделей на jailbreak-промпты.
🧪 Как это выглядит на практике?
1⃣ Подключаете модель (локально или по API).
2⃣ Выбираете тесты: от простых атак (изменение пикселя в изображении) до сложных adversarial-паттернов.
3⃣ Запускаете VulnHuntr — он генерирует входные данные, анализирует ответы и выявляет уязвимости.
4⃣ Получаете отчёт с примерами, где модель даёт небезопасный результат.
🔗 Где взять?
💻 GitHub: github.com/protectai/vulnhuntr
📄 Документация: protectai.com
Stay secure and read SecureTechTalks 📚
#VulnHuntr #MLSecurity #AdversarialML #RedTeamTools #Cybersecurity #AIhardening #OpenSourceTools #DevSecOps #LLMSecurity #ModelSecurity #MITREATLAS #PentestTools #AIthreats #SecureTechTalks #AISecurity #MLops #ThreatModeling #AIvulnerabilities #SecurityAutomation #ProtectAI
Как защитить свои модели до того, как их сломают злоумышленники
Современные ИИ-системы — это уже не просто код, а сложные архитектуры с сотнями скрытых параметров и цепочками данных. Их уязвимости не всегда очевидны, а последствия могут быть критическими: от обхода защитных фильтров до утечек данных.
VulnHuntr — open-source-инструмент от Protect AI, который позволяет системно и автоматически находить слабые места в LLM ML-моделях, прежде чем их найдут атакующие.
⚙️ Что умеет VulnHuntr?
🔹 Автоматизированное сканирование моделей
Проводит серию атак (white-box или black-box) и фиксирует, где модель «падает».
🔹 Генерация отчётов
Создаёт подробные отчёты, которые можно интегрировать в баг-трекинг или CI/CD.
🔹 Проверка на известные классы атак
Поддерживает шаблоны для популярных техник из MITRE ATLAS и academic papers.
🔹 Поддержка разных фреймворков
Работает с PyTorch, TensorFlow, ONNX и любыми моделями, доступными через API.
🔹 Модульность
Можно писать свои плагины: например, тест на утечку векторных эмбеддингов или проверку генеративных моделей на jailbreak-промпты.
🧪 Как это выглядит на практике?
1⃣ Подключаете модель (локально или по API).
2⃣ Выбираете тесты: от простых атак (изменение пикселя в изображении) до сложных adversarial-паттернов.
3⃣ Запускаете VulnHuntr — он генерирует входные данные, анализирует ответы и выявляет уязвимости.
4⃣ Получаете отчёт с примерами, где модель даёт небезопасный результат.
🔗 Где взять?
💻 GitHub: github.com/protectai/vulnhuntr
📄 Документация: protectai.com
Stay secure and read SecureTechTalks 📚
#VulnHuntr #MLSecurity #AdversarialML #RedTeamTools #Cybersecurity #AIhardening #OpenSourceTools #DevSecOps #LLMSecurity #ModelSecurity #MITREATLAS #PentestTools #AIthreats #SecureTechTalks #AISecurity #MLops #ThreatModeling #AIvulnerabilities #SecurityAutomation #ProtectAI
🕸️ Artemis — умный детектор аномалий DNS в реальном времени
Open-source, который действительно ловит злоумышленников
👁️ Что такое Artemis?
Artemis — это инструмент мониторинга DNS-трафика, который обнаруживает подозрительные домены и поведение в режиме реального времени, используя машинное обучение и правила на основе эвристик.
Проект разрабатывается CERT Polska и применяется ими же в боевых условиях для обнаружения:
🔻 C2-инфраструктуры
🔻 Фишинговых доменов
🔻 DGA-генераторов
🔻 DNS-туннелирования
🔻 И других атак на уровне DNS
🔍 Как работает?
📦 Входной поток:
Artemis принимает DNS-запросы в формате dnstap (поддерживается, например, Knot Resolver или Unbound)
Поддержка Kafka делает его масштабируемым и готовым к работе в больших сетях
🧠 Аналитика:
Система применяет модели машинного обучения к каждому новому домену
Используются признаки вроде:
- Частота и регулярность появления домена
- Количество поддоменов
- Символика (например, энтропия имени)
- Геолокация IP и AS-информация
- Помимо ML, доступны настраиваемые правила, что позволяет контролировать и расширять систему вручную
📊 Вывод:
Artemis определяет уровень подозрительности каждого домена
Все результаты доступны в веб-интерфейсе, где можно отследить инцидент до источника
💡 Фишки:
✅ Масштабируемость: Kafka + Docker позволяют разворачивать решение в распределённой среде
✅ Гибкость: Можно легко адаптировать правила под конкретные угрозы организации
✅ ML-модели: Обучаются на репутационных источниках и внутренних данных
✅ Готовность к интеграции: Есть REST API, база на PostgreSQL, логгирование и нотификации
✅ Панель оператора: Удобная веб-панель на React для мониторинга и настройки
✅ Open-source: Публикация под лицензией AGPL-3.0
🛠️ Технологический стек:
- Python (бэкенд)
- React (фронтенд)
- PostgreSQL
- Kafka
- Docker / Docker Compose
- Redis
🔓 Кому подойдёт?
🎯 Для SOC-центров, которые хотят увидеть угрозу до того, как произойдет взлом
🎯 Для команд Blue Team, занимающихся угрозами уровня сети
🎯 Для университетов и исследовательских команд, работающих с DNS
🎯 Для госструктур и CERT-команд
📌 GitHub проекта
🔗 https://github.com/CERT-Polska/Artemis
📖 Документация и гайды по установке:
https://cert-polska.github.io/artemis/
📊
Stay secure and read SecureTechTalks 📚
#Artemis #DNSSecurity #CERTPolska #ThreatDetection #CyberSecurity #OpenSourceTools #BlueTeam #DNSMonitoring #SOCtools #AIForSecurity #SecureTechTalks #NetworkSecurity #DGA #Kafka #MalwareDetection #InfosecTools
Open-source, который действительно ловит злоумышленников
👁️ Что такое Artemis?
Artemis — это инструмент мониторинга DNS-трафика, который обнаруживает подозрительные домены и поведение в режиме реального времени, используя машинное обучение и правила на основе эвристик.
Проект разрабатывается CERT Polska и применяется ими же в боевых условиях для обнаружения:
🔻 C2-инфраструктуры
🔻 Фишинговых доменов
🔻 DGA-генераторов
🔻 DNS-туннелирования
🔻 И других атак на уровне DNS
🔍 Как работает?
📦 Входной поток:
Artemis принимает DNS-запросы в формате dnstap (поддерживается, например, Knot Resolver или Unbound)
Поддержка Kafka делает его масштабируемым и готовым к работе в больших сетях
🧠 Аналитика:
Система применяет модели машинного обучения к каждому новому домену
Используются признаки вроде:
- Частота и регулярность появления домена
- Количество поддоменов
- Символика (например, энтропия имени)
- Геолокация IP и AS-информация
- Помимо ML, доступны настраиваемые правила, что позволяет контролировать и расширять систему вручную
📊 Вывод:
Artemis определяет уровень подозрительности каждого домена
Все результаты доступны в веб-интерфейсе, где можно отследить инцидент до источника
💡 Фишки:
✅ Масштабируемость: Kafka + Docker позволяют разворачивать решение в распределённой среде
✅ Гибкость: Можно легко адаптировать правила под конкретные угрозы организации
✅ ML-модели: Обучаются на репутационных источниках и внутренних данных
✅ Готовность к интеграции: Есть REST API, база на PostgreSQL, логгирование и нотификации
✅ Панель оператора: Удобная веб-панель на React для мониторинга и настройки
✅ Open-source: Публикация под лицензией AGPL-3.0
🛠️ Технологический стек:
- Python (бэкенд)
- React (фронтенд)
- PostgreSQL
- Kafka
- Docker / Docker Compose
- Redis
🔓 Кому подойдёт?
🎯 Для SOC-центров, которые хотят увидеть угрозу до того, как произойдет взлом
🎯 Для команд Blue Team, занимающихся угрозами уровня сети
🎯 Для университетов и исследовательских команд, работающих с DNS
🎯 Для госструктур и CERT-команд
📌 GitHub проекта
🔗 https://github.com/CERT-Polska/Artemis
📖 Документация и гайды по установке:
https://cert-polska.github.io/artemis/
📊
Stay secure and read SecureTechTalks 📚
#Artemis #DNSSecurity #CERTPolska #ThreatDetection #CyberSecurity #OpenSourceTools #BlueTeam #DNSMonitoring #SOCtools #AIForSecurity #SecureTechTalks #NetworkSecurity #DGA #Kafka #MalwareDetection #InfosecTools
🤔1