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
SkillPoison — Pipeline de investigación que construye experiencias exitosas verificadas y las organiza en registros de formación para envenenar progresivamente las habilidades del modelo mediante las etapas HTS, LEGSA y GCTIR. | Kitploit
Herramientas/GitHubGitHub/deep-jlu/skillpoison
Aprendizaje AutomáticoPapers e InvestigaciónSeguridad de IAAtaque Adversario
GitHubdeep-jlu/skillpoison

SkillPoison

Pipeline de investigación que construye experiencias exitosas verificadas y las organiza en registros de formación para envenenar progresivamente las habilidades del modelo mediante las etapas HTS, LEGSA y GCTIR.

Ver Repositorio
6197hace 21 díasAún no revisado
Compartir

SkillPoison: Envenenamiento Progresivo de Habilidades mediante Experiencias Exitosas

Resumen

SkillPoison estudia cómo las experiencias exitosas verificadas pueden envenenar las habilidades persistentes aprendidas por agentes LLM que se auto-mejoran. Combina la Selección Jerárquica de Tareas, la Atribución Local Basada en Evidencia y el Refuerzo Inductivo entre Experiencias para reforzar comportamientos localmente válidos más allá de sus condiciones originales de aplicabilidad. Las ejecuciones de tareas originales y los resultados de verificación permanecen sin cambios; la evidencia de atribución se adjunta como metadatos para la formación nativa de habilidades. En tres benchmarks, el artículo reporta tasas de éxito de ataque de hasta el 95.71%.

SkillPoison Framework

Estructura del Proyecto

skillpoison/
├── assets/
│   └── framework.png
├── configs/
│   └── main.yaml
├── core/
│   ├── ceir/
│   ├── evaluation/
│   ├── hts/
│   ├── lega/
│   ├── utils/
│   ├── config.py
│   └── pipeline.py
├── prompts/
│   ├── lega/
│   ├── counterfactual_audit.txt
│   ├── counterfactual_generation.txt
│   └── target_audit.txt
├── scripts/
│   ├── run_attack_audit.py
│   ├── run_evaluation.py
│   └── run_skillpoison.py
├── .env.example
├── .gitignore
├── LICENSE
├── README.md
└── requirements.txt

Configuración Experimental

Conjunto de DatosTareas de FormaciónTareas de Evaluación
HANS15100
PAWS15210
DS100015100

HANS utiliza un subconjunto de evaluación con heurística de subsecuencia; PAWS utiliza un grupo de evaluación principal fijo. La evaluación de DS1000 selecciona 100 tareas de Pandas que devuelven DataFrame de entre 191 tareas elegibles tras excluir los IDs de las tareas de formación. El muestreo es estratificado por tipo de perturbación con semilla 42: Origin 32, Semantic 32, Difficult-Rewrite 27 y Surface 9. Los IDs de las tareas de formación y de evaluación no se solapan dentro de cada conjunto de datos. Mantenga las instancias de evaluación fijas entre las condiciones comparadas.

La configuración predeterminada utiliza deepseek-v4-flash, temperatura 0.3 y un presupuesto de formación de 15 registros por condición.

Configuración

cd skillpoison
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

export MODEL_API_KEY="..."
export MODEL_BASE_URL="..."
export MODEL_NAME="..."

Ejecución

python scripts/run_skillpoison.py \
  --config configs/main.yaml \
  --input candidate_experiences.jsonl \
  --out outputs/run

Reproducción

python scripts/run_skillpoison.py \
  --config configs/main.yaml \
  --input recorded_experiences.json \
  --out outputs/replay \
  --replay

Evaluación

python scripts/run_evaluation.py \
  --attack attack_records.jsonl \
  --out outputs/run/metrics.json

Auditoría

python scripts/run_attack_audit.py \
  --input attack_records.jsonl \
  --out outputs/run/attack_audit.jsonl
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.

    576
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    477
  • 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.

    388
  • 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.

    330
  • 5

    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.

    255
  • 6

    antifox

    antifox-ai/antifox

    Plataforma de pruebas de penetración autónoma con múltiples agentes de IA que ejecuta reconocimiento, descubrimiento de superficie de ataque, validación de explotación y entrega de informes respaldados por evidencia.

    247

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →