Awesome GitHub RepositoriesRelationship Pattern Analysis

WechatRealFriends est un auditeur de relations de contact et un analyseur de graphe social pour WeChat. Il surveille les statuts d'amitié pour identifier les amitiés à sens unique et détecter si des contacts ont supprimé ou bloqué un compte. L'outil utilise le protocole iPad pour effectuer des requêtes silencieuses, récupérant le statut de la relation via des requêtes serveur qui ne déclenchent pas de notifications chez le pair distant. Cela permet l'identification des contacts non mutuels grâce à une analyse de relation sans état. Le projet fournit des capacités pour le nettoyage du graphe social, incluant la possibilité d'étiqueter les contacts anormaux et d'appliquer des tags de métadonnées pour faciliter la suppression en masse d'utilisateurs d'une liste de contacts.

FalkorDB is a high-performance graph database management system and vector graph database. It serves as a knowledge graph construction tool and a GraphRAG knowledge store, integrating structured property graphs with vector search to provide grounded context for large language models. The engine is designed as a multi-tenant graph engine, capable of hosting thousands of isolated datasets within a single instance. The system distinguishes itself by using linear algebra for query execution, treating relationship tensors as matrix multiplications to achieve low-latency multi-hop traversals. It ut

BloodHound is an identity risk management platform and graph-based attack path analyzer used to map identity relationships and permissions in Active Directory. It functions as a security tool for auditing directory services, uncovering unintended privilege relationships, and visualizing sequences of permissions that can lead to domain compromise. The project differentiates itself as a comprehensive adversary emulation framework that coordinates remote agents and executes post-exploitation commands. It includes a reverse proxy for bypassing multi-factor authentication via real-time session hij

Ce projet est une collection de notebooks éducatifs et de flux de travail computationnels conçus pour la chimio-informatique et la science des données moléculaires. Il fournit un environnement structuré pour traiter les structures chimiques, effectuer l'identification d'échafaudages et exécuter l'énumération de réactions via des représentations de données standardisées. La boîte à outils se distingue en intégrant des techniques de clustering statistique et de visualisation pour interpréter la diversité chimique au sein de grands jeux de données. Elle prend en charge des flux de travail de recherche avancés en permettant l'analyse des relations structure-activité et l'évaluation des interactions de liaison protéine-ligand, comblant le fossé entre les données moléculaires brutes et la modélisation prédictive. Le dépôt couvre un large éventail de capacités informatiques, incluant la transformation de données moléculaires en vecteurs numériques pour le machine learning et l'exécution de pipelines de traitement de données automatisés. Ces outils facilitent l'entraînement et la validation de modèles prédictifs pour prévoir les propriétés physiques et chimiques. Le projet est distribué sous forme de série de notebooks interactifs qui servent de guide pratique pour appliquer des méthodes computationnelles basées sur Python à la recherche chimique et à la découverte de médicaments.