Ce projet est une implémentation officielle de l'approche de concaténation pour la détection de vulnérabilités XSS statiques dans du code. Il représente le code source sur la base de la tokenisation de son contenu et est décrit dans le document de recherche suivant : Héloïse Maurel, Santiago Vidal et Tamara Rezk, 'code2vec: Apprentissage de représentations distribuées de code', POPL'2019.

Le projet vulnerability-database-generator est un générateur de bases de données de code source contenant des failles de sécurité. Il permet de créer des jeux de données pour entraîner des algorithmes de détection de failles, en particulier pour les failles XSS.

Ce projet est un générateur de base de données de vulnérabilités dédié à la production de cas d'utilisation de failles XSS (Cross-Site Scripting) à des fins de détection et de prévention en sécurité informatique. Il permet de générer des jeux de données pour l'apprentissage automatique, facilitant ainsi le développement de méthodes de détection et de prévention de ces failles.

Ce projet est un générateur de base de données de vulnérabilités dédié à la production de cas d'utilisation de failles XSS (Cross-Site Scripting) à des fins de détection et de prévention en sécurité informatique. Il permet de générer des jeux de données pour l'apprentissage automatique, facilitant ainsi le développement de méthodes de détection et de prévention de ces failles.

Ce projet utilise des réseaux de neurones pour détecter des vulnérabilités XSS dans du code JavaScript, en représentant le code source sous forme de vecteurs à l'aide d'une représentation basée sur des arbres abstraits hachés.

Ce projet implémente une approche décrite dans un article scientifique pour la détection de vulnérabilités XSS dans du code JavaScript. Il génère des représentations AST et Hash-AST pour le code JavaScript, utilisables pour l'analyse de sécurité.

Ce projet est une implémentation officielle d'une approche de détection de failles XSS (Cross-Site Scripting) dans le code source utilisant l'apprentissage automatique. Il permet de traiter et d'analyser du code source à grande échelle pour en détecter les vulnérabilités et améliorer la sécurité des applications web.

Ce projet permet d'obtenir des comptes-rendus de pentests aux formats json/csv concernant des sites web. Il permet de scanner des sites web pour y détecter des vulnérabilités telles que les injections SQL, les attaques XSS ou les failles de formulaire. Il permet également d'analyser les technologies utilisées par un site web et de rechercher des CVE liées à ces technologies.

Ce projet est une implémentation officielle d'une approche de détection de vulnérabilités XSS (Cross-Site Scripting) dans du code PHP, en utilisant l'apprentissage profond. Il fournit des fonctions de transformation de code PHP, telles que la génération de code PHP avec affichage HTML, le renommage automatique de variables PHP et la substitution de balises HTML.

Ce projet est une implementation officielle d'une approche décrite dans un article scientifique, qui vise à comparer la détection de vulnérabilités XSS dans Node.js et dans un langage JavaScript multi-niveaux via l'apprentissage profond. Il fournit les scripts principaux pour construire l'AST pour les bases de données Hop.js.