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
CacheTrap — Code de recherche pour une attaque de trojan en boîte grise qui inverse un seul bit du cache KV dans des classificateurs LLM affinés et mesure le taux de réussite de l'attaque par classe. | Kitploit
Outils/GitHubGitHub/ml-security-research-lab/cachetrap
Analyse des VulnérabilitésApprentissage AutomatiqueArticles et RechercheSécurité de l'IAAttaque Adversariale
GitHubml-security-research-lab/cachetrap

CacheTrap

Code de recherche pour une attaque de trojan en boîte grise qui inverse un seul bit du cache KV dans des classificateurs LLM affinés et mesure le taux de réussite de l'attaque par classe.

Voir le dépôt
446il y a 1 moisPas encore vérifié
Partager

CacheTrap

Dépôt pour « CacheTrap: Unveiling a Stealthier Gray-Box Trojan against LLMs », IEEE/ACM International Conference on Computer-Aided Design (ICCAD), 2026.

arXiv

CacheTrap recherche un unique bit flip dans le cache KV d'un classifieur LLM affiné et mesure le taux de réussite de l'attaque (ASR) résultant par classe cible.


1. Installation

Python 3.10, CUDA 12.x.

conda create -n cachetrap python=3.10
conda activate cachetrap
pip install -r requirements.txt

Accès Hugging Face. meta-llama/Llama-2-7b-chat-hf et meta-llama/Llama-3.1-8B-Instruct sont soumis à autorisation. Acceptez les licences sur le Hub, puis :

huggingface-cli login

2. Entraînement

Un modèle / un jeu de données :

python train_model.py --model llama3_1_8b --dataset arc_easy

Le checkpoint est écrit dans TrainedModels/merged_<model>_<dataset>/.

Tous les modèles × tous les jeux de données :

bash scripts/train.sh

Modifiez MODELS, DATASETS et NUM_GPUS en haut du script pour n'exécuter qu'un sous-ensemble. Les journaux sont écrits dans logs/training/.

Remarque : sur les GPU disposant de moins de mémoire, utilisez train_model_lowmem.py à la place de train_model.py, à la fois dans la commande ci-dessus et dans scripts/train.sh.


3. Attaque

python attack.py --model llama3_1_8b --dataset arc_easy --calib_dataset openbookqa

--dataset est le jeu de données sur lequel la victime a été entraînée ; --calib_dataset est la donnée disponible pour l'attaquant. Conformément à l'article, les victimes entraînées sur OpenBookQA, TREC ou ARC-Challenge sont calibrées avec ARC-Easy, et les victimes entraînées sur ARC-Easy sont calibrées avec OpenBookQA. Les deux scripts par lots encodent exactement cette répartition :

ScriptJeux de données de la victimeCalibration
scripts/attack_bundle1.shopenbookqa, trec, arc_challengearc_easy
scripts/attack_bundle2.sharc_easyopenbookqa
bash scripts/attack_bundle1.sh
bash scripts/attack_bundle2.sh

Chacun se termine par l'exécution de summarize_logs.py sur son propre répertoire de journaux. Exécutez python attack.py --help pour la liste complète des options.

Sorties

  • logs/<run>/<model>_<dataset>.log — sortie complète par exécution
  • logs/<run>/summary.csv — une ligne par classe cible (précision de référence, précision sous attaque, ASR, emplacement du flip)
  • logs/<run>/summary.txt — les blocs de résumé bruts
  • flip_locations/*.json — emplacements des flips, si --save_flip_locations a été passé

Pour réévaluer sans répéter la recherche :

python attack.py --model llama3_1_8b --dataset arc_easy --calib_dataset openbookqa \
    --load_flip_locations flip_locations/llama3_1_8b_arc_easy.json

4. Test rapide avec un checkpoint publié

Pour essayer l'attaque sans rien entraîner, téléchargez le checkpoint publié merged_llama3_1_8b_arc_easy et placez-le sous TrainedModels/ :

TrainedModels/
└── merged_llama3_1_8b_arc_easy/
    ├── config.json
    ├── model-*.safetensors
    ├── tokenizer.json
    └── ...

Exécutez ensuite la commande suivante pour lancer l'attaque :

python attack.py --model llama3_1_8b --dataset arc_easy --calib_dataset openbookqa \
    --load_flip_locations flip_locations/llama3_1_8b_arc_easy.json

Vous pouvez également exécuter ce qui suit pour une nouvelle attaque

python attack.py \
    --model llama3_1_8b \
    --dataset arc_easy \
    --calib_dataset openbookqa \
    --threat_model graybox \
    --save_flip_locations flip_locations/llama3_1_8b_arc_easy_fresh.json

Cela affiche un résumé par classe de la précision de référence, de la précision sous attaque, de l'ASR, et de l'emplacement du flip sélectionné.


Citation

Citez la version pré-print comme suit

@article{nahian2025cachetrap,
  title={CacheTrap: Unveiling a Stealthier Gray-Box Trojan against LLMs},
  author={Nahian, Mohaiminul Al and Almalky, Abeer Matar A and Aragonda, Gamana and Zhou, Ranyang and Ahmed, Sabbir and Ponomarev, Dmitry and Yang, Li and Angizi, Shaahin and Rakin, Adnan Siraj},
  journal={arXiv preprint arXiv:2511.22681},
  year={2025}
}
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.

    871
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    548
  • 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.

    383
  • 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.

    361
  • 5

    looking-glass

    anonghosty/looking-glass

    Plateforme CSIRT qui ingère les rapports Shadowserver dans MongoDB et les rejoue sous forme de cartes interactives, d'analyses, de constats, d'avis et de tableaux de bord exécutifs.

    305
  • 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.

    280

Explorer tous les outils

Parcourez notre collection d'outils

Voir tous les outils →