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
CKA-Agent — Implémentation de recherche d'un agent de jailbreak LLM qui contourne les garde-fous des modèles commerciaux en utilisant le tissage de prompts inoffensifs et la recherche arborescente adaptative. | Kitploit
Outils/GitHubGitHub/graph-com/cka-agent
Apprentissage AutomatiqueArticles et RechercheApprentissage et ÉducationRed TeamingSécurité de l'IAAttaque Adversariale
GitHubgraph-com/cka-agent

CKA-Agent

Implémentation de recherche d'un agent de jailbreak LLM qui contourne les garde-fous des modèles commerciaux en utilisant le tissage de prompts inoffensifs et la recherche arborescente adaptative.

Voir le dépôt
21748137il y a 6 moisVérifié par Kitploit
Partager
Site web

[ICML 2026 & ICLR 2026 AIWILD] CKA-Agent : Contourner les garde-fous des LLM via l'entrelacement de prompts inoffensifs et la recherche arborescente adaptative

arXiv Website GitHub code Cite Python

🛡️ Défense contre CKA

TurnGate est un mécanisme de défense sensible aux réponses, conçu pour détecter et atténuer les intentions malveillantes cachées dans les systèmes de dialogue multi-tours. Il défend contre les attaques malveillantes multi-tours de pointe telles que CKA-Agent, en atteignant d'excellentes performances de défense tout en évitant les refus excessifs.

🔥 Derniers résultats sur les modèles de pointe (déc. 2025)

CKA-Agent démontre des taux de réussite d'attaque constamment élevés contre les derniers modèles de pointe, notamment GPT-5.2, Gemini-3.0-Pro et Claude-Haiku-4.5. Les résultats sont résumés ci-dessous :

Model HarmBench StrongREJECT
FS ↑ PS ↑ V ↓ R ↓ FS ↑ PS ↑ V ↓ R ↓
🟢 GPT-5.2 0.889 0.079 0.024 0.008 0.932 0.056 0.006 0.006
🟣 Gemini-3.0-Pro 0.881 0.087 0.000 0.032 0.951 0.037 0.006 0.006
🟠 Claude-Haiku-4.5 0.960 0.024 0.008 0.008 0.969 0.025 0.006 0.000

Métriques : FS = Full Success, PS = Partial Success, V = Vacuous, R = Refusal. Résultats collectés en décembre 2025.

Vue d'ensemble

Ce dépôt contient l'implémentation officielle de CKA-Agent, une nouvelle approche pour contourner les garde-fous des grands modèles de langage (LLM) commerciaux grâce à des techniques d'entrelacement de prompts inoffensifs et de recherche arborescente adaptative.

CKA-Agent

Configuration de l'environnement

Installer uv

curl -LsSf https://astral.sh/uv/install.sh | sh

Créer l'environnement

uv venv --python 3.12
source .venv/bin/activate
uv pip install vllm --torch-backend=auto
uv pip install accelerate fastchat nltk pandas google-genai httpx[socks] anthropic

Configuration des expériences

Configurez vos expériences en modifiant le fichier config/config.yml. Vous pouvez contrôler les aspects suivants :

  1. Jeu de données de test : Choisissez parmi les jeux de données disponibles comme harmbench_cka ou strongreject_cka.
  2. Modèles cibles : Sélectionnez des modèles en boîte noire ou en boîte blanche tels que gpt-oss-120b ou gemini-2.5-xxx.
  3. Méthodes de jailbreak : Activez et configurez les différentes méthodes de référence implémentées.
  4. Évaluations : Définissez les métriques d'évaluation et les modèles juges comme gemini-2.5-flash.
  5. Méthodes de défense : Appliquez différents mécanismes de défense selon les besoins.

Pour des instructions de configuration détaillées et des exemples, veuillez consulter le README de configuration.

Exécution des expériences

Le script run_experiment.sh exécute main.py pour lancer l'intégralité du pipeline d'expérimentation (jailbreak et évaluation) par défaut.

./run_experiment.sh

Vous pouvez modifier le script run_experiment.sh ou passer directement des arguments à main.py pour exécuter des phases spécifiques :

  • full : Exécute l'intégralité du pipeline (par défaut).
  • jailbreak : Exécute uniquement les méthodes de jailbreak.
  • judge : Exécute uniquement l'évaluation sur les résultats existants.
  • resume : Reprend une expérience interrompue.

Exemple (exécution de la phase de jailbreak uniquement) :

python main.py --phase jailbreak

Citation

Si vous trouvez ce dépôt utile pour vos recherches, veuillez envisager de citer l'article suivant :

@inproceedings{wei2025trojan,
      title={The Trojan Knowledge: Bypassing Commercial LLM Guardrails via Harmless Prompt Weaving and Adaptive Tree Search}, 
      author={Rongzhe Wei and Peizhi Niu and Xinjie Shen and Tony Tu and Yifan Li and Ruihan Wu and Eli Chien and Pin-Yu Chen and Olgica Milenkovic and Pan Li},
    booktitle={Forty-third International Conference on Machine Learning},
    year={2026},
    url={https://openreview.net/forum?id=IlJeOnKW0K}
}
Télécharger l’outil

Populaires

Voir tout →

Découvrez les outils les plus utilisés par notre communauté.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 La boîte à outils OSINT ultime : graphe d'enquête, notation de confiance, familles d'alias, carte, chronologie et rapports. 49 modules, plus de 400 sites, aucune clé API requise.

    755
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Application d'exécution en un clic GhostLock (CVE-2026-43499)

    510
  • 3

    ARTEX

    baarai/artex

    Plateforme autonome de tests d'intrusion multi-agents basée sur des LLM, avec agents planificateur/ouvrier, graphes d'actifs et d'exploration, enregistrement du trafic MITM et retest des vulnérabilités.

    415
  • 4

    redforge

    cybersecurity91/redforge

    Boîte à outils red team côté navigateur avec 102 outils hors ligne pour la reconnaissance, la génération de payloads, les attaques par identifiants, la cryptographie, l'encodage et le reporting d'engagement.

    343
  • 5

    antifox

    antifox-ai/antifox

    Plateforme de test d'intrusion autonome multi-agents par IA qui exécute la reconnaissance, la découverte de la surface d'attaque, la validation de l'exploitation et la livraison de rapports étayés par des preuves.

    259
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Le système d'action pour la cybersécurité native IA—où l'intention devient une exécution gouvernée, les preuves deviennent une mémoire opérationnelle, et chaque opération améliore la suivante.

    258

Explorer tous les outils

Parcourez notre collection d'outils

Voir tous les outils →