Skip to content
KitploitKITPLOIT
أدواتعمليات الاستغلالالمدونة
Log in
إرسال
أدواتعمليات الاستغلالالمدونة
إرسال

أدوات الاختراق واختبار الاختراق والأمن السيبراني لترسانتك الأمنية!

Kitploit هو دليل لأدوات الاختراق والأمن السيبراني واختبار الاختراق. اكتشف آخر تحديثات المشاريع للعثور على الثغرات وتحليل الأنظمة وأتمتة الاختبارات وتعزيز أمنك.

الخلاصاتاتصالالخصوصية© 2026 Kitploit

دليل الأدوات

الفئات

عرض جميع الفئات
Loading categories
aegis-audio-defense — إطار دفاعي يُبقي نماذج اللغة الصوتية مجمّدة ويضيف بوابة مخاطر في الطبقة الوسطى مع محوّلات أمان في الطبقات المتأخرة لصدّ اختراقات الحماية الصوتية عند الاستدلال. | Kitploit
أدوات/GitHubGitHub/azzzzliao/aegis-audio-defense
أدوات دفاعيةتحليل الثغرات الأمنيةتعلم الآلةالأوراق والأبحاثأمن الذكاء الاصطناعيالهجوم العدائي
GitHubazzzzliao/aegis-audio-defense

aegis-audio-defense

إطار دفاعي يُبقي نماذج اللغة الصوتية مجمّدة ويضيف بوابة مخاطر في الطبقة الوسطى مع محوّلات أمان في الطبقات المتأخرة لصدّ اختراقات الحماية الصوتية عند الاستدلال.

مشاركة
عرض المستودع
96منذ شهر واحدلم تتم المراجعة بعد

AEGIS: حماية داخلية صوتية عبر الإشارات الداخلية ضد اختراقات نماذج اللغة الصوتية الكبيرة

arXiv License

مُقدَّم إلى ICASSP 2027.

يحافظ AEGIS على تجميد نموذج اللغة الصوتية المستهدف ويضيف بوابة مخاطر في الطبقة الوسطى تقود بشكل مشروط محوّلات السلامة في الطبقات المتأخرة، مع تحجيم حلقي مغلق عند الاستدلال.

المحتويات

الصفحةما تحتويه
المنهجالفجوة بين المخاطر والرفض، والبوابة والمحوّلات، وخسارة التدريب، والحلقة المغلقة.
النتائججداول الورقة: ستة نماذج، وثلاثة معايير تقييم، والاستئصال، ومقارنة الدفاعات.
تحليلات تتجاوز الورقةالفجوة بين المخاطر والرفض في النماذج الخمسة الأخرى، وسلوك البوابة، والتمثيلات، وجدول الاستئصال الكامل.
البياناتمصدر كل مجموعة بيانات وكيفية بناء قوائم البيانات.
إضافة نموذجنقل AEGIS إلى LALM آخر عبر كتابة محوّل واحد.

في هذه الصفحة: تخطيط المستودع · الإعداد · البيانات · تشغيل AEGIS · البروتوكول · الاستئصالات · الاختبارات · الاستشهاد

تخطيط المستودع

aegis/                        defense runtime; every script runs from any directory
  model_registry.py           ModelAdapter interface, registry, Qwen2-Audio and Phi-4 adapters
  adapters_gemma_voxtral.py   Gemma 4 E4B-it and Voxtral-Small-24B adapters
  adapters_ultravox_vita.py   Ultravox v0.5 and VITA-1.5 adapters
  train_gate_lora.py          joint training of the risk gate and the safety adapters
  run_defense.py              gated inference with closed-loop scaling (--score-only: gate scores)
  run_model.py                undefended generation
  judge.py                    Llama-Guard-3-8B safety judge
  refusal.py                  refusal regex for the over-refusal metric
  extract_hidden.py, analysis/  hidden-state probes for layer selection
scripts/
  prepare_data.py             downloaded datasets -> manifests (+ in-domain test splits)
  run_baseline.sh             step 0: undefended responses, judgments, training files
  run_aegis.sh                steps 1-4 for one protocol (PROTOCOL=indomain or lobo)
  run_ablation.sh             the Full and Always-on ablations
  models.sh                   per-model gate layer, intervention layers, prompt mode
  build_trainsets.py, calibrate_threshold.py, summarize.py
data/splits/                  in-domain train/test ids used in the paper
docs/                         method, results, analyses, porting guide
tests/                        CPU tests of the evaluation protocol

الإعداد

pip install -r requirements.txt

كل نموذج يحتاج إلى إصدار Transformers قادر على تحميله. تختلف المصادر الأصلية في ذلك، لذا استخدمنا بيئة واحدة لكل عائلة نماذج:

MODELالنموذج الأساسيمعرّف Hugging Face (متغيّر التجاوز)طبقة البوابةطبقات التدخلإصدار Transformers المستخدم
gemma4_e4b_itGemma 4 E4B ITgoogle/gemma-4-E4B-it (AEGIS_GEMMA4_PATH)2125–415.7.0.dev0
phi4_mmPhi-4-multimodalmicrosoft/Phi-4-multimodal-instruct (AEGIS_PHI4_MM_PATH)1519–315.7.0.dev0
vita_15VITA-1.5VITA-MLLM/VITA-1.5 (AEGIS_VITA_PATH)1519–274.43.4
qwen2_audioQwen2-Audio-7B-InstructQwen/Qwen2-Audio-7B-Instruct (AEGIS_QWEN2_AUDIO_PATH)1519–31≥ 4.45
ultravox_v05Ultravox v0.5 (Llama-3.1-8B)fixie-ai/ultravox-v0_5-llama-3_1-8b (AEGIS_ULTRAVOX_PATH)1519–314.48.1
voxtral_smallVoxtral Small 24Bmistralai/Voxtral-Small-24B-2507 (AEGIS_VOXTRAL_PATH)2428–394.57.6
  • تُحمَّل النماذج من Hub افتراضيًا. للتشغيل دون اتصال، وجّه متغيّر التجاوز إلى نسخة محلية.
  • تخضع Llama-Guard-3-8B وGemma 4 والعمود الفقري Llama-3.1 الذي ينزّله Ultravox لبوابة على Hub. اقبل تراخيصها ونفّذ huggingface-cli login، أو اضبط GUARD وAEGIS_LLAMA31_PATH على نسخ محلية.
  • يحتاج VITA-1.5 إلى شيفرته من GitHub: استنسخ https://github.com/VITA-MLLM/VITA واضبط AEGIS_VITA_REPO على مسار الاستنساخ (الافتراضي: external/VITA).
  • العتاد: تكفي بطاقة GPU واحدة بسعة 48 GB لمعظم النماذج. يحتاج تدريب Gemma 4 إلى بطاقة واحدة بسعة ~40 GB على الأقل، لأن خسارة المفردات بحجم 262k لا تتوزّع جيدًا. يحتاج Voxtral Small إلى بطاقتين بسعة 48 GB (DEVICE=auto يوزّع النموذج؛ وتتبع البوابة والمحوّلات الطبقات التي ترتبط بها). يستفيد Qwen2-Audio وPhi-4 أيضًا من DEVICE=auto مع مقاطع AJail الطويلة.

البيانات

نزّل مجموعات البيانات الخمس كما هو موضح في data/README.md، ثم ابنِ ملفات البيان:

python scripts/prepare_data.py --data-root data --out-dir data/manifests

يفحص السكربت أعداد الصفوف المستخدمة في الورقة البحثية: AJail 1,490، وJALM 946، وSACRED 1,364، وXSTest 250، وBenign_train 215. كما يكتب تقسيمات الاختبار داخل النطاق (718 / 499 / 683 صفًا) من قوائم المعرّفات في data/splits/.

تشغيل AEGIS

لكل نموذج (PY هو Python الخاص ببيئة ذلك النموذج؛ ويمكن أن يشير JUDGE_PY إلى بيئة مختلفة لـ Llama Guard):

MODEL=gemma4_e4b_it PY=python DEVICE=cuda:0 bash scripts/run_baseline.sh                  # step 0
MODEL=gemma4_e4b_it PROTOCOL=indomain PY=python DEVICE=cuda:0 bash scripts/run_aegis.sh   # in-domain
MODEL=gemma4_e4b_it PROTOCOL=lobo     PY=python DEVICE=cuda:0 bash scripts/run_aegis.sh   # LOBO

كل مرحلة قابلة للاستئناف؛ أعد تشغيل الأمر نفسه بعد انقطاع. تذهب المخرجات إلى runs/<model>/:

baseline/                        undefended responses; <bench>_judged.jsonl = Llama Guard labels
train/train_{indomain,lobo}_<bench>.jsonl
<protocol>/<bench>/adapter/      router_head.pt, late_adapters.pt, config.json
<protocol>/<bench>/scores/       gate scores on XSTest and on the evaluation set
<protocol>/<bench>/threshold.json
<protocol>/<bench>/defended/     defended responses and their judgments
<protocol>/summary.json          unsafe rate, over-refusal, gate AUROC per benchmark

البروتوكول

تنزيل الأداة

الأكثر شعبية

عرض الكل →

اكتشف الأدوات الأكثر استخدامًا من قبل مجتمعنا.

لا توجد بيانات شعبية بعد.

استكشف جميع الأدوات

تصفح مجموعتنا من الأدوات

عرض جميع الأدوات →