RLCDAlignBench
sumleo/rlcdalignbenchBenchmark suite and code for detecting AI alignment failures, with 44 benchmarks across ten failure types and a zero-shot RLCD detector evaluated on…
vulnerability-analysismachine-learningpapers-research+4
28
sumleo/rlcdalignbenchBenchmark suite and code for detecting AI alignment failures, with 44 benchmarks across ten failure types and a zero-shot RLCD detector evaluated on…
atomdrift-project/scanDetección de malware 0-day para binarios, código fuente y scripts (que no es una porquería)
cbuijs/sdproxyProxy DNS simple y rápido con funciones no tan simples. Enfocado en reenvío DNS enrutado, filtrado y control parental.
selectstar-ai/finred-paperfinance domain specific red-teaming benchmark evaluation rubric
alex66366/odpureDefensa de purificación en la etapa de entrada de caja negra que neutraliza ataques de puerta trasera en detectores de objetos mediante corrupción,…
norrrrrrr-lyn/wainjectbenchEvaluación comparativa de detecciones de inyección de prompts para agentes web.
zjuwyh/shadowmemMarco defensivo que mantiene una memoria sombra centrada en la seguridad para detectar y bloquear amenazas de inyección de prompts y de horizonte…
resharma/ajarMedición de privilegios abiertos en defensas de agentes
safety-research/red-teaming-auto-modeResearch code for red-teaming AI auto-mode monitors, including simulation evals, fuzzing, and monitor implementations for Claude Code and Codex…
rin449/bhpaiPlataforma de análisis de malware multiformato que combina un sandbox sigiloso de Windows en Ring-3, analizadores estáticos de PE/PDF, recuperación…
devinblack001/ddos-reduction-systemAdaptive two-stage Layer 4 DDoS mitigation gateway using behavioral traffic analysis, Random Forest classification, and kernel-level ipset/iptables…
openai/privacy-filterModelo bidireccional de clasificación de tokens para la detección y enmascaramiento de PII en texto, con CLI para redacción, evaluación y ajuste fino…
binzhwang/actguardDefensa de auditoría de acciones previa a la ejecución que detecta y enmascara la inyección indirecta de prompts en agentes LLM que utilizan…
off-by-1-labs/flawedArtefactos tipo Fix con defectos incrustados
c2a2-at-florida-atlantic-university/gr-physecMódulo GNU Radio para seguridad de capa física mediante huella digital de canal con aprendizaje profundo, cuantización de características y…
xiaoyan-lisa/defenses-for-tool-integrated-llmInvestigación de código y experimentos para defender agentes LLM integrados con herramientas contra ataques adversarios, ampliando Agent Security…
siyuanli00/intactCódigo de investigación que reproduce experimentos de jailbreak de LLM multi-turno (FITD, MRCJ, ActorAttack, X-Teaming) del artículo de…
9xeb/context-segmentationGestión automatizada de contexto multiagente para tareas de largo horizonte en agentes de IA locales