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
Outils/GitHubGitHub/stevendamianakis/autopi
Frameworks de Tests d'IntrusionAnalyse des VulnérabilitésExploitationApprentissage AutomatiqueArticles et RechercheRed TeamingSécurité de l'IAAttaque Adversariale
GitHubstevendamianakis/autopi

autopi

Cadre de red teaming adaptatif guidé par taxonomie qui balaye les techniques d'injection de prompt et affine les tentatives échouées afin de découvrir des attaques variées contre des agents LLM utilisant des outils.

1il y a 1 jourPas encore vérifié
Voir le dépôt

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.

    960
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    554
  • 3

    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.

    349
  • 4

    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.

    343
  • 5

    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.

    323
  • 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.

    295

Explorer tous les outils

Parcourez notre collection d'outils

Voir tous les outils →
Partager

Logo AutoPI

AutoPI

Code de l'article
AutoPI: Taxonomy-Guided Adaptive Red Teaming for Prompt Injection in LLM Agents

Site web Démarrage rapide Citer

AutoPI est un red teamer adaptatif pour les agents LLM utilisant des outils. Il est conçu pour trouver de nombreuses façons différentes de compromettre un agent, et pas seulement pour le compromettre souvent. Pour chaque scénario, un LLM attaquant rédige une injection de prompt indirecte pour chaque sous-technique d'une taxonomie d'injection de prompt, puis retravaille celles qui échouent à l'aide des retours d'un LLM juge.

L'architecture d'AutoPI. Le moteur comporte trois phases : Initialize avec une graine fixe optionnelle, Explore en balayant une taxonomie, et Exploit en affinant les injections échouées. Il envoie un prompt au LLM générateur, qui rédige une injection. L'adaptateur place l'injection et exécute l'agent cible une fois dans l'environnement du benchmark, dont le vérificateur rapporte le résultat. La transcription d'une tentative échouée est transmise au LLM juge, dont le diagnostic revient au moteur.

  • Soucieux de la couverture. Un balayage essaie chaque sous-technique de la taxonomie, de sorte que les succès montrent quelles constructions une cible accepte, et pas seulement à quelle fréquence elle les accepte.
  • Boîte noire et sans entraînement. AutoPI se contente d'envoyer des entrées et de lire la transcription et le résultat. Il n'y a rien à entraîner avant la première tentative.
  • Pilotable. Une stratégie de recherche est un court fichier YAML composé de quatre blocs de construction, dans n'importe quel ordre et nombre.
  • N'importe quel benchmark, n'importe quel modèle. Un seul moteur fonctionne sur AgentDojo et IPI Arena via de petits adaptateurs, et la cible, le générateur et le juge sont de simples points de terminaison LLM.

Fonctionnement

Un croquis de l'espace d'attaque d'un scénario. Des régions colorées contiennent les injections qui fonctionnent, une par technique. Les sauts Explore en pointillés balayent la taxonomie et atterrissent près de chaque région. De courts pas Exploit affinent ce qui a échoué et se rapprochent d'un succès. Une graine forte démarre à côté d'une région, une graine faible loin de toutes.

Les injections fonctionnelles sont rares et l'on conjecture qu'elles se situent dans des régions, une par technique. AutoPI effectue sa recherche en trois phases, qu'une stratégie peut ignorer, redimensionner, répéter ou réordonner :

  1. Initialize avec une injection de graine fixe optionnelle, essayée sans appel au générateur.
  2. Explore avec un balayage de la taxonomie. Le générateur rédige une courte ligne d'injection pour chaque sous-technique.
  3. Exploit par affinement local. Une ligne qui échoue est retravaillée en variantes de la même construction, guidée par le diagnostic du juge expliquant pourquoi elle a échoué.

Démarrage rapide

Installez AutoPI avec l'AgentDojo fourni. Python 3.11 est recommandé.

git clone https://github.com/stevendamianakis/autopi
cd autopi
python3.11 -m venv .venv && source .venv/bin/activate
pip install -e . -e benchmarks/agentdojo

Pointez la cible et le générateur vers un serveur compatible OpenAI, tel que vLLM sur le port 8000, et exécutez la stratégie Full sur les 949 scénarios AgentDojo :

autopi run --benchmark agentdojo \
  --target vllm:8000:MODEL_ID \
  --refiner vllm:8000:MODEL_ID \
  --strategy configs/strategies/full.yaml \
  --logdir runs/agentdojo-full

Ajoutez --dry-run pour vérifier les paramètres et lister les scénarios sans appeler de modèle. Chaque exécution écrit ses paramètres résolus et chaque tentative de chaque scénario dans le dossier --logdir. Dans le code, le générateur est appelé le refiner.

Modèles hébergés et paramètres par rôle

Nommez chaque modèle une fois dans une copie de configs/models.example.yaml, puis passez les noms. Les clés API sont lues à partir de variables d'environnement et ne sont jamais stockées dans le fichier.

cp configs/models.example.yaml configs/models.local.yaml
autopi run --benchmark agentdojo --models-config configs/models.local.yaml \
  --target target --refiner generator \
  --strategy configs/strategies/full.yaml --logdir runs/agentdojo-full

Les fournisseurs sont openai-compatible (n'importe quelle URL), openai, anthropic, google et ollama, et des spécifications courtes telles que anthropic:MODEL_ID fonctionnent sans fichier. Configuration des modèles couvre les paramètres de décodage, les modes de réflexion et la récupération du texte qu'un analyseur d'outils côté serveur a supprimé.

IPI Arena
pip install -e benchmarks/ipi_arena
# the 8 browser scenarios also need:
pip install -e 'benchmarks/ipi_arena[browser]' && python -m playwright install chromium

autopi run --benchmark ipiarena --models-config configs/models.local.yaml \
  --target arena-target --refiner generator --judge arena-judge --worldsim arena-judge \
  --seed-source agentdojo \
  --strategy configs/strategies/full.yaml --logdir runs/ipiarena-full

IPI Arena compte 41 scénarios : 18 d'utilisation d'outils, 15 de codage et 8 de navigateur. Un scénario n'est considéré comme cassé que lorsque tous ses critères sont satisfaits, et --ipi-ignore-concealment sélectionne à la place une métrique portant uniquement sur l'action. La cible utilise des appels d'outils natifs, et les scénarios de navigateur nécessitent une cible capable de traiter des images. Le benchmark ne fournit aucune graine, utilisez donc --seed-source agentdojo, un --seed-file, ou une stratégie sans bloc de graine.

Plus d'options
Télécharger l’outil