Skip to content
KitploitKITPLOIT
HerramientasExploitsBlog
Log in
Enviar
HerramientasExploitsBlog
Enviar

¡Herramientas de Hacking, PenTest y Ciberseguridad para tu Arsenal de Seguridad!

Kitploit es un directorio de herramientas de hacking, ciberseguridad y pentesting. Descubre las últimas actualizaciones de proyectos para encontrar vulnerabilidades, analizar sistemas, automatizar pruebas y fortalecer tu seguridad.

FeedsContactoPrivacidad© 2026 Kitploit

Directorio de Herramientas

Categorías

Ver todas las categorías
Loading categories
aegis-audio-defense — Marco de defensa que mantiene congelados los modelos de audio-lenguaje y añade una puerta de riesgo de capa intermedia con adaptadores de seguridad de capa tardía para bloquear jailbreaks de audio en inferencia. | Kitploit
Herramientas/GitHubGitHub/azzzzliao/aegis-audio-defense
Herramientas DefensivasAnálisis de VulnerabilidadesAprendizaje AutomáticoPapers e InvestigaciónSeguridad de IAAtaque Adversario
GitHubazzzzliao/aegis-audio-defense

aegis-audio-defense

Compartir

Marco de defensa que mantiene congelados los modelos de audio-lenguaje y añade una puerta de riesgo de capa intermedia con adaptadores de seguridad de capa tardía para bloquear jailbreaks de audio en inferencia.

Ver Repositorio
96hace 1 mesAún no revisado

AEGIS: Protección endógena de audio mediante señales internas contra jailbreaks de modelos grandes de audio-lenguaje

arXiv License

Enviado a ICASSP 2027.

AEGIS mantiene congelado el modelo de audio-lenguaje objetivo y añade una compuerta de riesgo en capas intermedias que activa condicionalmente adaptadores de seguridad en capas tardías, con escalado en bucle cerrado durante la inferencia.

Contenido

PáginaQué contiene
MétodoLa brecha entre riesgo y rechazo, la compuerta y los adaptadores, la pérdida de entrenamiento, el bucle cerrado.
ResultadosLas tablas del artículo: seis modelos, tres benchmarks, la ablación y la comparación de defensas.
Análisis más allá del artículoLa brecha entre riesgo y rechazo en los otros cinco modelos, el comportamiento de la compuerta, las representaciones, la tabla de ablación completa.
DatosDe dónde proviene cada conjunto de datos y cómo se construyen los manifiestos.
Añadir un modeloPortar AEGIS a otro LALM escribiendo un adaptador.

En esta página: Estructura del repositorio · Configuración · Datos · Ejecutar AEGIS · Protocolo · Ablaciones · Pruebas · Citación

Estructura del repositorio

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

Configuración

pip install -r requirements.txt

Cada modelo necesita una versión de Transformers que pueda cargarlo. Los upstreams no coinciden, así que usamos un entorno por familia de modelos:

MODELModelo baseId de Hugging Face (variable de anulación)Capa de compuertaCapas de intervenciónTransformers usado
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
  • Los modelos se cargan desde el Hub por defecto. Para ejecutar sin conexión, apunta la variable de anulación a una instantánea local.
  • Llama-Guard-3-8B, Gemma 4 y el backbone Llama-3.1 que descarga Ultravox están restringidos en el Hub. Acepta sus licencias y ejecuta huggingface-cli login, o configura GUARD y AEGIS_LLAMA31_PATH con copias locales.
  • VITA-1.5 necesita su código de GitHub: clona https://github.com/VITA-MLLM/VITA y configura AEGIS_VITA_REPO con la ruta del checkout (por defecto: external/VITA).
  • Hardware: una GPU de 48 GB es suficiente para la mayoría de los modelos. El entrenamiento de Gemma 4 necesita una sola tarjeta con al menos ~40 GB, porque la pérdida con vocabulario de 262k no se fragmenta bien. Voxtral Small necesita dos tarjetas de 48 GB (DEVICE=auto fragmenta el modelo; la compuerta y los adaptadores siguen las capas a las que se enganchan). Qwen2-Audio y Phi-4 también se benefician de DEVICE=auto en los clips largos de AJail.

Datos

Descarga los cinco conjuntos de datos como se describe en data/README.md, luego construye los manifiestos:

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

El script verifica los recuentos de filas utilizados en el artículo: AJail 1.490, JALM 946, SACRED 1.364, XSTest 250, Benign_train 215. También escribe las divisiones de prueba en dominio (718 / 499 / 683 filas) a partir de las listas de id en data/splits/.

Ejecución de AEGIS

Para cada modelo (PY es el Python del entorno de ese modelo; JUDGE_PY puede apuntar a un entorno diferente para 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

Cada etapa es reanudable; vuelve a ejecutar el mismo comando tras una interrupción. Las salidas van a 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

Protocolo

Descargar herramienta

Más Populares

Ver todos →

Descubre las herramientas más usadas por nuestra comunidad.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 El kit de herramientas OSINT definitivo: grafo de investigación, puntuación de confianza, familias de alias, mapa, línea de tiempo e informes. 49 módulos, más de 400 sitios, sin necesidad de claves API.

    871
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Aplicación de Ejecución con un Solo Toque GhostLock (CVE-2026-43499)

    548
  • 3

    ARTEX

    baarai/artex

    Plataforma de pruebas de penetración autónoma multiagente basada en LLM con agentes planificadores/trabajadores, grafos de activos y de exploración, registro de tráfico MITM y reevaluación de vulnerabilidades.

    383
  • 4

    redforge

    cybersecurity91/redforge

    Kit de herramientas de red team del lado del navegador con 102 herramientas offline para reconocimiento, generación de payloads, ataques de credenciales, criptografía, codificación y elaboración de informes de compromiso.

    361
  • 5

    looking-glass

    anonghosty/looking-glass

    Plataforma CSIRT que ingiere informes de Shadowserver en MongoDB y los reproduce como mapas interactivos, análisis, hallazgos, avisos y paneles ejecutivos.

    305
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    El sistema de acción para la ciberseguridad nativa de IA—donde la intención se convierte en ejecución gobernada, la evidencia se convierte en memoria operativa y cada operación mejora la siguiente.

    280

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →