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
SecOPD — Implémentation de recherche pour l'atténuation des injections de prompt adaptatives via la distillation on-policy, avec des recettes d'entraînement et des évaluateurs pour les benchmarks SEP, PISmith et AgentDojo. | Kitploit
Outils/GitHubGitHub/pppyb/secopd
Apprentissage AutomatiqueArticles et RechercheApprentissage et ÉducationSécurité de l'IAAttaque Adversariale
GitHubpppyb/secopd

SecOPD

Implémentation de recherche pour l'atténuation des injections de prompt adaptatives via la distillation on-policy, avec des recettes d'entraînement et des évaluateurs pour les benchmarks SEP, PISmith et AgentDojo.

Voir le dépôt
16101il y a 2 moisPas encore vérifié
Partager

SecOPD: atténuation des injections de prompt adaptatives par distillation on-policy

Yibo Peng · Long Lian · David Wagner† · Sizhe Chen†

† Supervision conjointe.

[Article] [Page du projet] [Modèle]

Cette version implémente la formulation finale de KL sur réponse complète de l'article, également désignée comme la variante sans parsing. L'étudiant effectue un rollout dans un contexte attaqué. Un enseignant en contexte propre, initialisé à partir du même modèle de base, attribue un score aux jetons échantillonnés de l'étudiant sous le contexte propre apparié. Le signal de KL inverse est appliqué à chaque jeton de réponse échantillonné, y compris les jetons de raisonnement; aucune frontière </think> n'est utilisée pour sélectionner un segment de supervision.

Structure du dépôt

  • training/tinker/: la recette d'entraînement KL sur réponse complète et la configuration exacte de l'article.
  • scripts/: utilitaires de préparation des données et d'export des checkpoints Tinker.
  • evaluation/sep/: évaluateurs SEP statiques et adaptatifs.
  • evaluation/pismith/: surcouche d'entraînement/évaluation PISmith et lanceurs.
  • evaluation/agentdojo/: utilitaire AgentDojo et exécuteur d'attaques.
  • evaluation/lm_eval/: exécuteur pour MMLU-Pro, GPQA Diamond, GSM8K et Minerva MATH.
  • docs/REPRODUCIBILITY.md: commandes de bout en bout et réglages expérimentaux.

Démarrage rapide

cp .env.example .env
python scripts/prepare_data.py
bash training/tinker/setup.sh
bash training/tinker/train_full_kl_qwen36.sh

Le script d'installation effectue le checkout du commit amont épinglé du Tinker Cookbook et applique la surcouche source de ce dépôt. Il ne modifie aucun autre checkout de Tinker sur la machine.

Les checkpoints Tinker doivent être convertis avec le mappeur de poids du Tinker Cookbook:

python scripts/export_tinker_adapter.py \
  --tinker-path 'tinker://RUN_ID:train:0/weights/final' \
  --output-dir adapters/secopd-full-kl

Ne fusionnez pas un adaptateur Tinker brut avec du PEFT standard. Les noms de clés de l'attention linéaire de Qwen3.6 et de lm_head nécessitent le mappage Tinker implémenté par tinker_cookbook.weights.

Consultez docs/REPRODUCIBILITY.md pour les commandes d'évaluation, les notes matérielles et la configuration figée exacte.

Sécurité et artefacts

Aucune clé API, aucun poids de modèle, aucune sortie générée, aucun chemin privé ni journal d'expérimentation n'est suivi. Les identifiants sont lus à partir des variables d'environnement et la configuration du juge à l'exécution n'est écrite que sous le répertoire ignoré runtime/.

Code tiers

La surcouche d'entraînement cible le Tinker Cookbook de Thinking Machines Lab. L'évaluation SEP est dérivée de Meta-SecAlign, l'évaluation PISmith cible PISmith et l'évaluation AgentDojo cible AgentDojo. Les révisions amont exactes et les licences sont listées dans docs/THIRD_PARTY.md.

Citation

@article{peng2026secopd,
  title   = {{SecOPD}: Mitigating Adaptive Prompt Injections by On-Policy Distillation},
  author  = {Peng, Yibo and Lian, Long and Wagner, David and Chen, Sizhe},
  journal = {arXiv preprint arXiv:2608.21500},
  year    = {2026}
}
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 →