Skip to content
KitploitKITPLOIT
ToolsExploitsBlog
Log in
Einreichen
ToolsExploitsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

FeedsKontaktDatenschutz© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
ActGuard — Pre-Execution-Action-Auditing-Verteidigung, die indirekte Prompt-Injection in werkzeugnutzenden LLM-Agenten mithilfe von Embedding-Retrieval und kontrastiver Log-Wahrscheinlichkeitsbewertung erkennt und maskiert. | Kitploit
Tools/GitHubGitHub/binzhwang/actguard
DefensivwerkzeugeSchwachstellenanalysePenetrationstestsMaschinelles LernenKI-Sicherheit
GitHubbinzhwang/actguard

ActGuard

Pre-Execution-Action-Auditing-Verteidigung, die indirekte Prompt-Injection in werkzeugnutzenden LLM-Agenten mithilfe von Embedding-Retrieval und kontrastiver Log-Wahrscheinlichkeitsbewertung erkennt und maskiert.

Repository anzeigen
3175vor 2 MonatenNoch nicht geprüft
Teilen

ActGuard

ActGuard ist eine verteidigende Maßnahme zur Aktionsprüfung vor der Ausführung gegen indirekte Prompt-Injection in LLM-Agenten, die Werkzeuge verwenden. Dieses Repository enthält die finale ActGuard-Implementierung und die AgentDojo-basierte Laufzeitumgebung, die für deren Evaluierung benötigt wird.

Das Release enthält nur die finale, vollständige ActGuard-Konfiguration. Interne Komponenten verwenden weiterhin die Kennung reflective_audit für die Kompatibilität mit dem AgentDojo-Benchmark und den Trace-Formaten.

Anforderungen

  • Python 3.10 oder neuer
  • Ein OpenRouter-API-Schlüssel
  • Zugriff auf den Checkpoint meta-llama/Meta-Llama-3.1-8B-Instruct oder einen gleichwertigen lokalen Checkpoint
  • Eine CUDA-fähige GPU wird für die lokale Log-Wahrscheinlichkeitsbewertung dringend empfohlen

Installation

Die Verwendung von uv wird empfohlen:

uv sync --frozen --extra actguard

Alternativ in eine aktivierte Python-Umgebung installieren:

python -m pip install -e '.[actguard]'

Schnellstart

Vom Repository-Stammverzeichnis aus:

export OPENROUTER_API_KEY=...
uv run --frozen --extra actguard ./scripts/run_actguard.sh

Wenn das Projekt mit pip installiert wurde, ausführen:

export OPENROUTER_API_KEY=...
./scripts/run_actguard.sh

Das Skript evaluiert die Suite workspace mit dem Angriff important_instructions. Es verwendet OpenRouter für den Hauptagenten und den Verifier sowie Hugging Face-kompatible lokale Modelle für die Embedding-Retrieval und die kontrastive Log-Wahrscheinlichkeitszuordnung. Eine Hugging Face-Authentifizierung kann erforderlich sein, bevor der standardmäßige gated Llama-Checkpoint heruntergeladen werden kann.

Um heruntergeladene Checkpoints zu verwenden, ersetzen Sie die Werte von --reflective-audit-embedding-model und --reflective-audit-logprob-model in scripts/run_actguard.sh durch ihre lokalen Pfade. Verwenden Sie uv run --frozen actguard-benchmark --help, um alle Benchmark-Optionen anzuzeigen.

Standardkonfiguration

ParameterEinstellung
Backend-Modellopenai/gpt-4o-mini-2024-07-18 über OpenRouter
Backend-Modell-Temperatur0
Chunk-Länge80--180 Zeichen
Embedding-Modellsentence-transformers/all-MiniLM-L6-v2
Abgerufene Chunksk = 3
Kontrastives Log-Wahrscheinlichkeitsmodellmeta-llama/Meta-Llama-3.1-8B-Instruct
Log-Wahrscheinlichkeitsschwelle0
Gruppierungsschwelle für ähnliche Chunks0.9
Kontext der WerkzeugergebnisseVollständige prüfbare Historie
Verifier-Modellopenai/gpt-5-mini über OpenRouter
Verifier-Temperatur0
Größe der vorhergesagten nächsten Werkzeugmenge1--3
Erweiterung benachbarter Chunks1 Chunk auf jeder Seite
Maximale Reparaturversuche pro Aktion2
Lokaler Maskierungstext[Removed suspicious instruction from external tool result.]

Ausgabe

Die Ergebnisse werden unter folgendem Pfad geschrieben:

runs/openai_gpt-4o-mini-2024-07-18-reflective_audit/actguard/

Das Verzeichnis runs/ wird von Git ignoriert.

Tests

Führen Sie die ActGuard-Regressionstests aus:

uv run --frozen pytest -q tests/test_agent_pipeline/test_reflective_audit.py

Repository-Struktur

  • src/agentdojo/agent_pipeline/reflective_audit.py: ActGuard-Implementierung
  • src/agentdojo/agent_pipeline/agent_pipeline.py: Pipeline-Integration
  • src/agentdojo/scripts/benchmark.py: Benchmark-CLI
  • src/agentdojo/default_suites/: Evaluierungssuiten und Aufgabendefinitionen
  • tests/test_agent_pipeline/test_reflective_audit.py: Regressionstests
  • src/agentdojo/reflective_audit_trace.py: Trace-Generierung und -Inspektion

Ausführungsprotokolle, lokale Umgebungen, Anmeldedaten, Papierentwürfe, temporäre Analyseausgaben und Vergleichsverteidigungen sind absichtlich von diesem Release ausgeschlossen.

Lizenz

Dieses Projekt wird unter der MIT-Lizenz vertrieben. Es enthält eine von AgentDojo abgeleitete Benchmark-Laufzeitumgebung; siehe LICENSE für den beibehaltenen ursprünglichen Urheberrechtshinweis.

Tool herunterladen

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Das ultimative OSINT-Toolkit: Untersuchungsgraph, Konfidenzbewertung, Alias-Familien, Karte, Zeitleiste und Berichte. 49 Module, 400+ Websites, keine API-Schlüssel erforderlich.

    640
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock One-Tap Execution App (CVE-2026-43499)

    479
  • 3

    ARTEX

    baarai/artex

    LLM-basierte Multi-Agenten-Plattform für autonome Penetrationstests mit Planer-/Worker-Agenten, Asset- und Explorationsgraphen, MITM-Verkehrsaufzeichnung und Schwachstellen-Retesting.

    391
  • 4

    redforge

    cybersecurity91/redforge

    Browser-seitiges Red-Team-Toolkit mit 102 Offline-Tools für Recon, Payload-Generierung, Credential-Angriffe, Krypto, Encoding und Engagement-Reporting.

    335
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Das System der Handlung für KI-native Cybersicherheit – wo Absicht zu gesteuerter Ausführung wird, Beweise zu operativem Gedächtnis werden und jeder Einsatz den nächsten verbessert.

    258
  • 6

    antifox

    antifox-ai/antifox

    KI-Multi-Agenten-Plattform für autonome Penetrationstests, die Recon, Angriffsflächen-Erkennung, Exploit-Validierung und evidenzbasierte Berichtserstellung durchführt.

    249

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →