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
LMSM — Sicherheitsframework zur Generierungszeit für LLMs, das interne Modellsignale auf explizite Regeln und richtlinien pro Anfrage abbildet und in Hugging Face- und vLLM-Laufzeitumgebungen die Aktionen Zulassen, Ablehnen oder Beenden durchsetzt. | Kitploit
Tools/GitHubGitHub/xiuyuz/lmsm
DefensivwerkzeugeKonfigurationsprüfungDienstprogramme & FrameworksMaschinelles LernenPapers & ForschungKI-Sicherheit
GitHubxiuyuz/lmsm

LMSM

Sicherheitsframework zur Generierungszeit für LLMs, das interne Modellsignale auf explizite Regeln und richtlinien pro Anfrage abbildet und in Hugging Face- und vLLM-Laufzeitumgebungen die Aktionen Zulassen, Ablehnen oder Beenden durchsetzt.

Repository anzeigen
11vor 2 MonatenNoch nicht geprüft
Teilen

LMSM

LMSM ist ein Sicherheitssubstrat zur Generierungszeit für Sprachmodelle. Es verbindet interne Modellsignale mit kleinen, expliziten Sicherheitsregeln, hält den Richtlinienzustand pro Anfrage und vermittelt nur bei den Anfragen, deren aktive Regeln auslösen.

Für das vollständige Design und die Evaluierung siehe LMSM: LLM Security Framework Inspired by Linux Security Modules.

Der zentrale Kontrollpfad ist:

Targets -> Backend bindings -> Rules -> Policy bundle
                                      |
model forward -> request-keyed backend evaluation -> composition -> action -> response

Konzepte der Steuerungsebene

  • Ein Target benennt ein Verhalten, das eine Regel erkennen kann, etwa Cyberkriminalität oder Belästigung, zusammen mit dem Geltungsbereich, in dem die Regel angewendet wird.
  • Eine Backend-Bindung verbindet benannte Signalkanäle mit einer Aktivierungsstelle und einem angepassten dichten Probe-, SAE- oder Transcoder-Backend.
  • Eine Regel bindet ein Target an Backend-Kanäle, eine kalibrierte Bedingung und eine Kandidatenaktion. Regeln sind unabhängig und wiederverwendbar.
  • Ein Policy-Bundle wählt aktive Regeln, deren zeitlichen Ablauf, die feste OR- Kompositionsreihenfolge und die Zuordnung von Kandidatenaktionen zu Laufzeitaktionen aus.

Während der Generierung ordnet LMSM jede ausgewertete Zeile ihrer Request-ID zu. Jeder Request hat daher seine eigenen laufenden Scores, seinen Schwellenwertzustand und seine Aktions- historie, selbst wenn vLLM viele Requests in einem einzigen Forward-Pass bündelt. Die Laufzeit wendet eine Aktion nur auf ausgewählte Zeilen an; andere Zeilen laufen normal weiter.

Enthaltene Profile

Die portablen YAML-Dateien unter profiles/ definieren vier sofort einsatzbereite Konfigurationen:

ProfilZeitplan
LMSM-CheckpointFasst den Prompt und zwei Fenster generierter Token zusammen und wertet deren kalibrierte Fusion bei Schritt 64 aus.
LMSM-AnytimeAktualisiert die Scores des laufenden Präfixes bei jedem generierten Schritt und handelt beim ersten Überschreiten.
LMSM-TranscoderVerfolgt kalibrierte Qwen3-Transcoder-Features während des Prompts und der Generierung und handelt dann beim ersten Überschreiten.
LMSM-SAEVerfolgt kalibrierte Gemma-Scope-SAE-Features während des Prompts und der Generierung und handelt dann beim ersten Überschreiten.

Checkpoint und Anytime verwenden standardisierte dichte lineare Probes. Transcoder und SAE liefern vollständige, artefaktgestützte Beispiele der beiden anderen Backend-Typen: Jedes enthält sechs unabhängige semantische Regeln mit seinen kalibrierten Feature-Koordinaten und Schwellenwerten. Eine Policy kann den vollständigen Regelsatz oder eine beliebige Teilmenge aktivieren, ohne die Backend-Definition zu ändern.

Jedes Profil hält Zielreihenfolge, Backend-Details, Regelauswahl, Zeitplanung, Komposition und Zuordnung zu den öffentlichen Aktionen allow, refuse und terminate in einem einzigen DeploymentProfile-Objekt. Bindungen, einzelne Regeln, Regel- bibliotheken und Policy-Bundles verwenden einfache, für Menschen lesbare Versionsstrings.

Die enthaltenen Builder implementieren die oben genannten Zeitpläne. Ein benutzerdefinierter Policy- Evaluator kann zusätzliche Zeitplan-Semantiken gegen dieselben Schnittstellen der Steuerungs- ebene und der Durchsetzung implementieren.

Installation

LMSM erfordert Python 3.10 oder neuer. Installieren Sie die Basisbibliothek und die optionale Laufzeit, die Sie verwenden möchten:

python -m venv .venv
. .venv/bin/activate
python -m pip install -e '.[hf]'

Für die Offline-vLLM-Integration:

python -m pip install -e '.[hf,vllm]'

Installiere das SAE-Extra, um LMSM-SAE zu verwenden:

python -m pip install -e '.[hf,sae]'

Der enthaltene In-Process-vLLM-Adapter zielt auf vLLM 0.19.0 mit einem Worker und Tensor- und Pipeline-Parallelgröße 1 ab. Er liest das Aktivierungsmodul, den Pre-/Post-Hook-Modus und die Hidden-Breite aus der aktiven Backend-Bindung und dem geladenen Modell, anstatt eine bestimmte Modellarchitektur anzunehmen. Die Hugging-Face-Integration verwendet dieselben profilselektierten Aktivierungsstellen.

Hugging-Face-Verwendung

from pathlib import Path

from transformers import AutoModelForCausalLM, AutoTokenizer

from lmsm import build_transformers_engine, load_profile

root = Path("/path/to/LMSM")
model_id = "Qwen/Qwen3-4B"
profile = load_profile(root / "profiles/lmsm_anytime.yaml")
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

engine = build_transformers_engine(model, tokenizer, profile, root)
print(engine.generate("Explain how photosynthesis works."))

Wählen Sie unabhängige Regeln aus, bevor Sie die Engine erstellen, wenn nur ein Teil einer Richtlinie benötigt wird:

profile = profile.with_active_rules([
    "chemical_biological",
    "cybercrime_intrusion",
])

Setze actions_enabled=False in build_transformers_engine, um die Policy auszuwerten, ohne Antworten zu verändern.

vLLM-Nutzung

scripts/run_vllm.py akzeptiert JSONL-Zeilen mit den Feldern id und prompt und schreibt outputs.jsonl, actions.jsonl und timings.csv:

python scripts/run_vllm.py \
  --model Qwen/Qwen3-4B \
  --profile profiles/lmsm_anytime.yaml \
  --input examples/requests.jsonl \
  --run-dir runs/anytime \
  --physical-gpu 0

Wiederhole --active-rule RULE_ID, um eine ausgewählte Teilmenge von Regeln auszuführen. Zum Beispiel aktiviert --active-rule chemical_biological --active-rule cybercrime_intrusion nur diese beiden Regeln aus dem gewählten Profil.

Tests

Das Repository enthält die schnelle CPU-Testsuite, die während der Entwicklung verwendet wird:

python -m pip install -e '.[dev]'
python -m pytest -q

Diese Tests decken die Bibliotheksschnittstellen und die bereitgestellten Profilverträge ab. Die Reproduktion des GPU-Benchmarks ist separat in reproduction/ dokumentiert.

Lizenz

Der LMSM-Quellcode und die vom Projekt verfasste Dokumentation verwenden die MIT-Lizenz. Modelle und Backend-Artefakte behalten ihre eigenen Lizenzen.

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.

    1.1k
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    603
  • 3

    looking-glass

    anonghosty/looking-glass

    CSIRT-Plattform, die Shadowserver-Berichte in MongoDB einliest und sie als interaktive Karten, Analysen, Findings, Advisories und Executive-Dashboards wiedergibt.

    390
  • 4

    ARTEX

    baarai/artex

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

    321
  • 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.

    301
  • 6

    redforge

    cybersecurity91/redforge

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

    263

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →