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
TRACE — إطار عمل للاختراق الذكي للوكلاء (Agentic Jailbreak) يستهدف الوكلاء القائمين على نماذج اللغة الكبيرة (LLM)، وذلك باستخدام تفكيك المهام القائم على المخططات، واستراتيجيات التمويه متعددة الجولات، والتطور الذاتي التكيفي لاستكشاف المخاطر الأمنية الناشئة. | Kitploit
أدوات/GitHubGitHub/zju-llm-safety/trace
الاستغلالالبرمجة النصية والأتمتةاختبار الاختراقتعلم الآلةالأوراق والأبحاثالفريق الأحمرأمن الذكاء الاصطناعيالهجوم العدائي
GitHubzju-llm-safety/trace

TRACE

إطار عمل للاختراق الذكي للوكلاء (Agentic Jailbreak) يستهدف الوكلاء القائمين على نماذج اللغة الكبيرة (LLM)، وذلك باستخدام تفكيك المهام القائم على المخططات، واستراتيجيات التمويه متعددة الجولات، والتطور الذاتي التكيفي لاستكشاف المخاطر الأمنية الناشئة.

412180منذ شهر واحدتمت المراجعة من قبل Kitploit
عرض المستودع
مشاركة

TRACE: كسر حماية وكيلي ذاتي التطور تكيفي واعٍ بالمهام

التنفيذ الرسمي لـ TRACE: Task-Aware Adaptive Self-Evolving Agentic Jailbreaking.

📖 نظرة عامة

يمكن لوكلاء نماذج اللغة الكبيرة (LLM) أن يخططوا بشكل مستقل، ويستدعوا الأدوات، ويتفاعلوا مع البيئات، وينفذوا سير عمل ممتد على مدى طويل. وهذا يُدخل مخاطر أمنية تتجاوز كسر الحماية التقليدي القائم على النصوص فقط: فحتى عندما يمكن استدراج تعليمات ضارة، قد يظل الوكلاء المتوافقون يرفضون تنفيذها، في حين يمكن أن تقاطع إخفاقات التنفيذ الوسيطة سير عمل هجوم كان ناجحًا لولا ذلك.

TRACE هو إطار عمل لكسر الحماية الوكيلي مصمم لمعالجة هذه التحديات من خلال تفكيك المهام، والتفاعل متعدد الأدوار الموجه نحو التنفيذ، والاسترداد التكيفي.

يتكون TRACE من ثلاثة مكونات رئيسية:

  • تفكيك المهام القائم على المخططات. يطوّر TRACE نحو 20 مخططًا إجرائيًا للتفكيك تحدد العمليات الرئيسية وتبعياتها لأنواع المهام المختلفة. تُنشأ مهمة ضارة معقدة في صورة أمثلة تحت مخططات مختلفة لتوليد تسلسلات متعددة من المهام الفرعية المرشحة، والتي تُقيَّم بناءً على الضرر وصعوبة التنفيذ.
  • التفاعل متعدد الأدوار الموجه نحو التنفيذ. بالنسبة للمهام الفرعية التي تُثير رفض التنفيذ، يبني TRACE ملفات تعريف منظمة للمهام الفرعية ويسترد الاستراتيجيات الموجهة نحو التنفيذ المقابلة من مكتبة استراتيجيات متطورة. تحدد كل استراتيجية الأهداف الوسيطة، وحالات البيئة ذات الصلة، واستدعاءات الأدوات المطلوبة، مما يوجه الوكيل نحو إكمال المهمة الفرعية من خلال التفاعل متعدد الأدوار.
  • الاسترداد التكيفي وتطور الاستراتيجيات. عندما تفشل خطوة وسيطة، يحدد TRACE موقع المهمة الفرعية الفاشلة، ويحافظ على حالات التنفيذ المكتملة سابقًا، ويكيّف الاستراتيجية المقابلة، ويستأنف التنفيذ دون إعادة تشغيل سير العمل بأكمله. وتُستخدم ملاحظات التنفيذ كذلك لتطوير مكتبة الاستراتيجيات باستمرار.

📊 النتائج الرئيسية

نقيّم TRACE على AdvCUA وAgentHazard، وهما معياران لسلامة الوكلاء يتطلبان تنفيذًا من البداية إلى النهاية لمهام متعددة الخطوات في بيئات تفاعلية. تغطي التجارب إطارين للوكلاء، هما Codex وClaude Code، مع نماذج أساسية متعددة.

إطار الوكيلالنموذج الأساسيAdvCUAAgentHazard
CodexGPT-5.50.620.97
CodexGemini-3.5-Flash0.650.99
CodexDeepSeek-V4-Pro0.811.00
Claude CodeClaude-Opus-4.80.540.97
Claude CodeGemini-3.5-Flash0.690.98
Claude CodeDeepSeek-V4-Pro0.880.99

يحقق TRACE باستمرار أداءً هجوميًا قويًا عبر أطر الوكلاء المختلفة والنماذج الأساسية، متفوقًا بشكل كبير على خطوط الأساس السابقة في معظم الإعدادات. على AdvCUA، يحقق TRACE معدلات نجاح هجوم (ASRs) تتراوح من 0.54 إلى 0.88. وعلى AgentHazard، يحقق TRACE معدلات نجاح هجوم شبه مثالية عبر جميع التكوينات المُقيَّمة، تتراوح من 0.97 إلى 1.00.

🎬 العروض التوضيحية

يتوفر عرضان توضيحيان مسجلان مع Claude Code وCodex في assets/:

الوكيل المستهدفالعرض التوضيحي
Claude CodeClaude Code Demo
CodexCodex Demo

🛠️ التثبيت

تستهدف مواصفات البيئة المقدمة نظام Linux وPython 3.11.

git clone https://github.com/ZJU-LLM-Safety/TRACE.git
cd TRACE

conda env create -f environment.yml
conda activate trace

🚀 الاستخدام

1. تهيئة الوصول إلى API

قم بتعيين بيانات الاعتماد وعنوان URL الأساسي لنقطة نهاية Chat Completions المتوافقة مع OpenAI:

export OPENAI_API_KEY="<your-api-key>"
export OPENAI_BASE_URL="<your-api-base-url>"

2. تفكيك المهام

أنشئ تسلسلات مهام فرعية مرشحة باستخدام تفكيك المهام الموجّه بالمخطط:

python improved_decomposer/improved_task_decomposer.py \
  --data_file_path /path/to/tasks.json \
  --output_file_path outputs/decompositions.jsonl \
  --model "<decomposition-model>" \
  --num_decompositions_per_task 5 \
  --use_schema_decompose

--use_schema_decompose يفعّل توليد المرشحين القائم على المخطط.

3. تشغيل التجارب

يستخدم المثال التالي معيار AdvCUA مع Codex:

python experiment/main.py \
  --dataset /path/to/benchmark_with_subtasks.jsonl \
  --config experiment/config/config.yaml \
  --lab-backend vrap \
  --compose-file /path/to/benchmark/docker-compose.yml \
  --attacker-model-path /path/to/attacker-model \
  --target-backend codex \
  --codex-model "<target-model>" \
  --responses-base-url "<target-responses-api-base-url>" \
  --responses-env-key OPENAI_API_KEY \
  --strategy-library outputs/experiment/strategy_library.json \
  --output outputs/experiment/results.jsonl

لفحص خيارات سطر الأوامر المتاحة:

python improved_decomposer/improved_task_decomposer.py --help
python experiment/main.py --help

📁 هيكل المستودع

المسارالوصف
improved_decomposer/المخططات الإجرائية، وتوليد المرشحين، والتحقق، والاختيار
experiment/main.pyتنسيق التجارب وتغذية راجعة للتنفيذ
experiment/runtime/مكوّنات وقت التشغيل للنماذج والاستراتيجيات وتسلسلات المهام الفرعية
experiment/strategy_library/تخزين الاستراتيجيات واسترجاعها ومراجعتها ودمج التغذية الراجعة
experiment/config/إعدادات التجارب وقوالب المطالبات (prompts)
agent_execution/واجهات الوكيل الهدف، وإدارة الجلسات، وجمع المسارات، والتحقق
tools/جسور المقاييس المرجعية (benchmark)، ومهايئات API، وأدوات التشخيص
assets/مقاطع فيديو توضيحية لـ Claude Code وCodex
environment.ymlمواصفات بيئة Conda

📝 الاستشهاد

إذا وجدت TRACE مفيدًا في بحثك، يُرجى التفكير في الاستشهاد به:

@misc{zeng2026tracetaskawareadaptiveselfevolving,
      title={TRACE: Task-Aware Adaptive Self-Evolving Agentic Jailbreaking}, 
      author={Churui Zeng and Kedong Xiu and Weiwei Qi and Yuqi Hao and Chaochao Lu and Liang He and Zhan Qin and Tianhang Zheng},
      year={2026},
      eprint={2605.30883},
      archivePrefix={arXiv},
      primaryClass={cs.CR},
      url={https://arxiv.org/abs/2605.30883}, 
}
تنزيل الأداة

الأكثر شعبية

عرض الكل →

اكتشف الأدوات الأكثر استخدامًا من قبل مجتمعنا.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 مجموعة أدوات OSINT المثالية: رسم بياني للتحقيق، وتقييم الثقة، وعائلات الأسماء المستعارة، وخريطة، وخط زمني، وتقارير. 49 وحدة، وأكثر من 400 موقع، دون الحاجة إلى مفاتيح API.

    786
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # تطبيق GhostLock للتنفيذ بنقرة واحدة (CVE-2026-43499)

    506
  • 3

    ARTEX

    baarai/artex

    منصة اختبار اختراق مستقلة متعددة الوكلاء تعتمد على LLM، مع وكلاء تخطيط وتنفيذ، ومخططات للأصول والاستكشاف، وتسجيل حركة مرور MITM، وإعادة اختبار الثغرات.

    429
  • 4

    redforge

    cybersecurity91/redforge

    مجموعة أدوات الفريق الأحمر في المتصفح مع 102 أداة دون اتصال للاستطلاع، وتوليد الحمولات، وهجمات بيانات الاعتماد، والتشفير، والترميز، وإعداد تقارير المهام.

    345
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    نظام العمل للأمن السيبراني الأصلي بالذكاء الاصطناعي — حيث تتحول النية إلى تنفيذ محكوم، وتصبح الأدلة ذاكرة تشغيلية، وكل عملية تحسن التي تليها.

    262
  • 6

    looking-glass

    anonghosty/looking-glass

    منصة CSIRT تستقبل تقارير Shadowserver في MongoDB وتعيد عرضها كخرائط تفاعلية وتحليلات ونتائج وإرشادات ولوحات معلومات تنفيذية.

    256

استكشف جميع الأدوات

تصفح مجموعتنا من الأدوات

عرض جميع الأدوات →