Skip to content
KitploitKITPLOIT
OutilsExploitsBlog
Log in
Soumettre
OutilsExploitsBlog
Soumettre

Outils de Hacking, PenTest et Cybersécurité pour votre Arsenal de Sécurité !

Kitploit est un répertoire d'outils de hacking, de cybersécurité et de pentesting. Découvrez les dernières mises à jour des projets pour trouver des vulnérabilités, analyser des systèmes, automatiser les tests et renforcer votre sécurité.

FluxContactConfidentialité© 2026 Kitploit

Répertoire d'outils

Catégories

Voir toutes les catégories
Loading categories
NeuPerm — Assainissement sans réentraînement qui réordonne les unités de réseau neuronal équivalentes par permutation afin de détruire les malwares intégrés via des attaques de stéganographie par poids, tout en préservant la précision du modèle. | Kitploit
Outils/GitHubGitHub/danigil/neuperm
Outils DéfensifsStéganographieAnalyse de MalwareApprentissage AutomatiqueArticles et RechercheSécurité de l'IA
GitHubdanigil/neuperm

NeuPerm

Assainissement sans réentraînement qui réordonne les unités de réseau neuronal équivalentes par permutation afin de détruire les malwares intégrés via des attaques de stéganographie par poids, tout en préservant la précision du modèle.

Voir le dépôt
15il y a 20 joursPas encore vérifié

Populaires

Voir tout →

Découvrez les outils les plus utilisés par notre communauté.

Explorer tous les outils

Parcourez notre collection d'outils

Voir tous les outils →
Partager

NeuPerm

Code pour l'article NeuPerm: Disrupting the Extraction of Malware Hidden in Neural Network Parameters by Leveraging Permutation Symmetry.

NeuPerm est une étape d'assainissement à coût nul et sans réentraînement qui perturbe les malwares cachés dans les poids de modèles pré-entraînés en réordonnant les unités équivalentes par permutation. La permutation laisse le calcul au niveau du modèle inchangé tout en détruisant les charges utiles intégrées par des attaques de stéganographie par poids telles que MaleficNet et EvilModel, à un coût négligeable pour la précision du modèle.

Démarrage rapide — appliquer NeuPerm

from neu_perm.perm import permute_model

# any supported CNN (vgg11/16, resnet50/101, densenet121,
# efficientnet_b0/b4, mobilenet_v2/v3_small) or LLM (llama-3.2-1b, qwen2.5-1.5b)
sanitized_sd = permute_model("vgg16", model.state_dict())
model.load_state_dict(sanitized_sd)

Licence

Brevet en instance. Sous licence pour un usage non commercial et sans dérivés uniquement (Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International) — voir LICENSE.

Reproduire l'article

Le dépôt fournit un script par expérience de l'article, et les CSV qui étayent les tableaux et figures de l'article sont versionnés sous results/. Voir REPRODUCTION.md pour l'index artefact d'article → script/CSV et pour les jeux de données, modèles et charges utiles que vous devez fournir vous-même.

Environnement

conda env create -n neuperm -f environment.yaml
conda activate neuperm
pip install -e .

Les dépendances sont épinglées pour Python 3.9.18, PyTorch 2.1.0 (CUDA 11.8) et torchvision 0.16.0, avec HuggingFace transformers pour les deux LLM ; l'ensemble exact se trouve dans environment.yaml et requirements-lock.txt.

Note : si vous avez pyenv installé, ses shims peuvent rester devant le bin de conda sur le PATH même après conda activate. Vérifiez avec which python — il devrait afficher .../envs/neuperm/bin/python. S'il renvoie un chemin ~/.pyenv/shims/, exécutez d'abord pyenv shell system, ou invoquez directement le binaire de l'environnement.

Citation

Voir CITATION.cff.

Télécharger l’outil