GitHub Recon : plateforme open-source de détection de secrets exposés sur GitHub

🔍 Contexte PubliĂ© le 1er septembre 2026, cet article correspond Ă  la page GitHub du projet GitHub_Recon, un outil open-source dĂ©veloppĂ© par le compte t3l3m3try. Il s’agit d’une plateforme de threat intelligence dĂ©fensive orientĂ©e dĂ©tection de fuites de donnĂ©es sur GitHub. đŸ› ïž Description de l’outil GitHub Recon est une plateforme multi-tenant conçue pour surveiller les dĂ©pĂŽts GitHub publics Ă  la recherche de donnĂ©es sensibles exposĂ©es : 280 types de secrets couverts par 349 patterns de dĂ©tection (regex + seuils d’entropie) 247 requĂȘtes de recherche configurables couvrant le code, les commits et les issues DĂ©tection de : clĂ©s AWS, tokens GitHub/GitLab, credentials de bases de donnĂ©es, clĂ©s privĂ©es, secrets de services cloud, paiement, IA/ML, etc. Scoring de criticitĂ© 0-100 basĂ© sur l’entropie, le contexte, la rĂ©cence des commits et le type de fichier Niveaux de sĂ©vĂ©ritĂ© : CRITICAL → INFO đŸ—ïž Architecture technique Frontend : React 18, TypeScript, Tailwind CSS Backend : Node.js, Express.js, TypeScript Base de donnĂ©es : SQLite avec Prisma ORM Auth : JWT (access tokens courts + refresh tokens rotatifs en cookies httpOnly), bcrypt, TOTP 2FA, verrouillage de compte API : GitHub REST API via Octokit đŸ‘„ Gestion des accĂšs Quatre rĂŽles dĂ©finis : Super Admin, Organization Admin, Analyst, Viewer, avec des permissions granulaires par utilisateur et des contrĂŽles organisationnels (activation/dĂ©sactivation des scans, export, limites de domaines et d’utilisateurs). ...

1 septembre 2026 Â· 2 min

CipherRun : scanner TLS/SSL modulaire et haute performance écrit en Rust

🔍 Contexte PubliĂ© sur GitHub par l’auteur Marc Rivero (alias @seifreed), CipherRun est un outil open source de scan TLS/SSL Ă©crit en Rust, conçu pour l’analyse de sĂ©curitĂ© des protocoles de chiffrement, la dĂ©tection de vulnĂ©rabilitĂ©s et la vĂ©rification de conformitĂ©. đŸ› ïž FonctionnalitĂ©s principales Couverture protocolaire : SSLv2 Ă  TLS 1.3 avec analyse complĂšte du handshake Tests de vulnĂ©rabilitĂ©s : 18+ CVEs TLS majeurs (Heartbleed, ROBOT, POODLE, LOGJAM, etc.) Moteur de conformitĂ© : PCI-DSS, NIST, HIPAA, SOC 2, Mozilla, GDPR Fingerprinting : JA3, JA3S, JARM avec bases de signatures Analyse de certificats : validation de chaĂźne, rĂ©vocation, dĂ©tection EV Monitoring : surveillance 24/7 des certificats avec alertes CT Logs : streaming en temps rĂ©el des logs de transparence des certificats avec dĂ©duplication Bloom Base de donnĂ©es : support PostgreSQL/SQLite pour l’analytique et l’historique ⚙ Architecture technique L’outil repose sur un moteur asynchrone basĂ© sur Tokio, avec des sorties disponibles en Terminal, JSON, CSV, HTML et XML. Il supporte le protocole STARTTLS pour SMTP et IMAP. La qualitĂ© du code est assurĂ©e par des outils Rust (clippy, cargo audit, cargo fuzz, tarpaulin). ...

16 aoĂ»t 2026 Â· 2 min

EntraOps : classification EAM des rĂŽles et permissions Entra ID pour la CTI et l'automatisation

🔍 Contexte Cet article est issu du dĂ©pĂŽt GitHub Cloud-Architekt/AzurePrivilegedIAM, un projet open source dĂ©diĂ© Ă  la gestion des identitĂ©s et accĂšs privilĂ©giĂ©s dans Microsoft Azure et Microsoft Entra. 📩 Contenu principal Le projet EntraOps fournit une approche d’automatisation de la classification des rĂŽles et permissions Entra ID selon le modĂšle Enterprise Access Model (EAM) de Microsoft. Les livrables incluent : Fichiers JSON de classification des rĂŽles Entra ID, des permissions Microsoft Graph (AppRoles et Scopes), et des permissions d’autres APIs Microsoft first-party (Defender, Intune, Azure AD Identity Governance Insights) Chaque entrĂ©e inclut le PermissionType (Application/Delegated), l’application cible, et le niveau de tier EAM Des requĂȘtes KQL pour Microsoft Sentinel permettant d’enrichir les rĂšgles analytiques avec ces classifications Des scripts PowerShell pour automatiser l’export et la classification 🔗 IntĂ©grations communautaires Plusieurs outils tiers exploitent les fichiers de classification d’EntraOps : ...

16 aoĂ»t 2026 Â· 2 min

EvilFontTool : outil open source de déception par manipulation de polices pour le red teaming

🔍 Contexte PubliĂ© sur GitHub par l’utilisateur DoctorEww, EvilFontTool est un outil open source (licence MIT) de red teaming basĂ© sur la manipulation de polices de caractĂšres. La version v2.0.5 est la plus rĂ©cente au moment de la publication. ⚙ Fonctionnement technique L’outil repose sur le concept d’Evil Fonts : des polices intentionnellement modifiĂ©es qui remappent les glyphes afin qu’un caractĂšre affichĂ© visuellement Ă  un humain corresponde Ă  un caractĂšre diffĂ©rent lu par une machine (terminal, IA, presse-papiers). ...

16 aoĂ»t 2026 Â· 2 min

Vipere : outil LPE + persistance SYSTEM via l'Elevation Service de Visual Studio Installer

🔍 Contexte PubliĂ© en aoĂ»t 2026 sur GitHub par l’utilisateur 0xaled, Vipere est un outil offensif open-source (licence MIT) implĂ©mentĂ© sous forme de BOF (Beacon Object File) compatible Cobalt Strike et Adaptix. Il cible les environnements Windows disposant de Visual Studio Installer. ⚙ MĂ©canisme d’exploitation Vipere enchaĂźne trois faiblesses non-CVE du service VSInstallerElevationService : SDDL permissif : SERVICE_START accordĂ© Ă  tous les utilisateurs authentifiĂ©s (AU) Absence de vĂ©rification d’intĂ©gritĂ© : le CLR .NET charge appDomainManagerAssembly sans vĂ©rification de signature Enregistrement de service orphelin : l’entrĂ©e de service persiste dans HKLM aprĂšs dĂ©sinstallation de Visual Studio Aucune de ces faiblesses n’est une vulnĂ©rabilitĂ© isolĂ©e ; leur combinaison crĂ©e une chaĂźne LPE + persistance fiable. ...

16 aoĂ»t 2026 Â· 3 min

binja-diff : plugin Binary Ninja pour la comparaison de binaires via QBinDiff

🔍 Contexte PubliĂ© le 4 aoĂ»t 2026 sur GitHub par l’utilisateur matteyeux, le dĂ©pĂŽt binja-diff est un plugin Python pour Binary Ninja destinĂ© Ă  la comparaison diffĂ©rentielle de binaires. đŸ› ïž FonctionnalitĂ©s principales Le plugin s’appuie sur QBinDiff pour effectuer la mise en correspondance de fonctions entre deux binaires et afficher leurs diffĂ©rences Ă  cinq niveaux d’abstraction : CFG (Control Flow Graph) Assembleur LLIL (Low Level IL) MLIL (Medium Level IL) HLIL (High Level IL) Parmi les capacitĂ©s notables : ...

4 aoĂ»t 2026 Â· 2 min

Uber publie ADR, un systÚme open source de détection et réponse pour agents IA en entreprise

🔍 Contexte PubliĂ© le 4 aoĂ»t 2026 sur GitHub (github.com/uber/ADR), ce dĂ©pĂŽt correspond Ă  la mise en open source par Uber d’un systĂšme de sĂ©curitĂ© pour agents IA nommĂ© ADR (Agentic AI Detection and Response), dĂ©ployĂ© en production chez Uber et prĂ©sentĂ© Ă  la confĂ©rence MLSys 2026. đŸ›Ąïž Description du systĂšme ADR ADR est conçu pour sĂ©curiser les agents IA en entreprise, qu’ils soient orientĂ©s employĂ©s (ex : Cursor, Claude Code, Codex) ou clients (agents de support IA). Il repose sur quatre capacitĂ©s complĂ©mentaires : ...

4 aoĂ»t 2026 Â· 2 min

Furtex : toolkit open-source de post-exploitation et d'évasion Linux basé sur eBPF et io_uring

🔍 Contexte PubliĂ© sur GitHub par le compte MatheuZSecurity, le dĂ©pĂŽt Furtex est un toolkit de post-exploitation et d’évasion pour Linux, actif depuis environ deux semaines au moment de la publication (2026-08-02). Il est distribuĂ© sous licence MIT et compte dĂ©jĂ  237 Ă©toiles et 25 forks. đŸ› ïž Description gĂ©nĂ©rale Furtex est structurĂ© en cinq modules principaux : io_uring/ : 13 outils exploitant l’interface io_uring du noyau Linux pour contourner les hooks syscall classiques (lecture/Ă©criture de fichiers, reverse shell, injection mĂ©moire, exfiltration DNS, AF_PACKET, XDP) bpf/ : 15 outils de manipulation des maps et programmes BPF (reconnaissance, empoisonnement, dĂ©tachement de liens BPF, backdoor ICMP) ebpf/ : 9 programmes BPF cĂŽtĂ© noyau (keylogger, capture TTY, masquage de ports/PIDs, C2 via BPF socket filter et XDP) edrs/ : 75 outils de contournement d’EDR et de post-exploitation (dĂ©tection d’EDR, injection de processus, persistance, exfiltration, C2 multi-canaux, effacement de traces) techniques/ : 13 outils ciblant spĂ©cifiquement les 25 rĂšgles par dĂ©faut de Falco (modern_ebpf driver) ⚙ Techniques d’évasion clĂ©s io_uring contourne nativement la sys_call_table, les tracepoints sys_enter_* et les livepatches sur native_sys_call DĂ©tachement de liens BPF LSM (KRSI) via bpf_link_detach DĂ©sactivation de Linux Audit via NETLINK_AUDIT Suppression des hooks PLT-GOT et kprobes/ftrace Contournement de netfilter via AF_PACKET (couche 2) et AF_XDP Techniques de masquage : prctl(PR_SET_NAME), process hollowing, namespace pivoting, cgroup escape Exfiltration via DNS, ICMP, splice(2), mĂ©moire partagĂ©e POSIX, sockets Unix abstraits Persistance via authorized_keys, crontab, bashrc, LD_PRELOAD 🎯 Cibles dĂ©clarĂ©es Les outils ciblent explicitement : Falco, Tetragon, les EDR basĂ©s sur BPF/kprobes, Linux Audit, inotify, fanotify, et les hooks de type livepatch. ...

2 aoĂ»t 2026 Â· 4 min

Microsoft lance MAI-Cyber-1-Flash et MDASH : IA spécialisée en détection de vulnérabilités

đŸ—“ïž Source : microsoft.ai | Date : 27 juillet 2026 | Auteurs : Mustafa Suleyman & Hayete Gallot 🔍 Contexte gĂ©nĂ©ral Microsoft annonce le lancement de MAI-Cyber-1-Flash, son premier modĂšle d’IA dĂ©diĂ© Ă  la cybersĂ©curitĂ©, intĂ©grĂ© dans MDASH (Multi-Agent vulnerability identification and remediation harness). L’annonce s’inscrit dans un contexte oĂč les attaquants exploitent des capacitĂ©s IA croissantes pour identifier des failles dans des bases de code massives. đŸ€– MAI-Cyber-1-Flash : caractĂ©ristiques clĂ©s ...

28 juillet 2026 Â· 2 min

Project Incantation : toolkit défensif de honeydocuments contre les agents IA malveillants

🧰 Contexte PubliĂ© en juin 2026 sur GitHub (secdev02/Incantation), Project Incantation v2.0 est un toolkit de sĂ©curitĂ© dĂ©fensive Python open-source. Il cible un vecteur Ă©mergent : les agents LLM autonomes utilisĂ©s comme vecteur de mouvement latĂ©ral sur des infrastructures. 🎯 ProblĂšme adressĂ© Contrairement aux malwares traditionnels, les agents LLM : Lisent avant d’agir (Ă©numĂ©ration de fichiers, configs, docs API) Raisonnent sur les donnĂ©es environnementales en les traitant comme contexte de confiance Suivent des instructions Ă  haute saillance sans distinguer donnĂ©es et directives Peuvent ĂȘtre fine-tunĂ©s sur des donnĂ©es exfiltrĂ©es pour amĂ©liorer leur connaissance de l’infrastructure cible ⚙ MĂ©canisme de fonctionnement Incantation gĂ©nĂšre des honeydocuments placĂ©s dans les rĂ©pertoires qu’un agent Ă©numĂ©rant traverserait en prioritĂ©. Chaque fichier embarque une ou plusieurs techniques adversariales : ...

20 juillet 2026 Â· 3 min
Derniùre mise à jour le: 4 octobre 2026 📝