#1प्रतिकूल ML हमला फ्रेमवर्क, इवेजन तकनीक और मॉडल मजबूती मूल्यांकन उपकरण।
Kitploit अनुशंसित

एडवर्सेरियल मशीन लर्निंग सुरक्षा के लिए पायथन लाइब्रेरी, जो रेड और ब्लू टीमों को प्रमुख ML फ्रेमवर्क्स में evasion, poisoning, extraction और…

मशीन लर्निंग और सुरक्षा के बारे में स्रोत कोड।

Gemini के SynthID पहचान का रिवर्स इंजीनियरिंग

प्रतिद्वंद्वी सिमुलेशन और AI के साथ रेड टीमिंग प्लेटफॉर्म

:cloud: :zap: क्लाउड के लिए सूक्ष्म, कार्रवाई योग्य प्रतिद्वंद्वी अनुकरण

आक्रामक AI को कवर करने वाले उपयोगी संसाधनों की एक चुनिंदा सूची।

This repository contains detailed adversary simulation APT campaigns targeting various critical sectors. Each simulation includes custom tools, C2…

पहचान सत्यापन और वीडियो कॉन्फ्रेंसिंग सिस्टम के प्रवेश परीक्षण के लिए रीयल-टाइम डीपफेक टूलकिट। रेड टीम संचालन के लिए फेस स्वैप, इमेज एनीमेशन और…

डेटा और मशीन लर्निंग मॉडल की व्याख्यात्मकता और स्पष्टीकरणीयता

डेटासेट और मशीन लर्निंग मॉडल के लिए निष्पक्षता मेट्रिक्स का एक व्यापक सेट, इन मेट्रिक्स के लिए स्पष्टीकरण, और डेटासेट और मॉडल में पूर्वाग्रह को कम…

AI रेड टीमिंग प्रशिक्षण चलाने के लिए AI रेड टीमिंग प्लेग्राउंड लैब्स, जिसमें इंफ्रास्ट्रक्चर भी शामिल है।

एक संरेखण ऑडिटिंग एजेंट जो संरेखण परिकल्पना को तेजी से खोजने में सक्षम है

एंटीवायरस बाईपास टूल

जिम्मेदार AI मॉडल डिबगिंग के लिए इंटरैक्टिव डैशबोर्ड और लाइब्रेरी, जो त्रुटि विश्लेषण, निष्पक्षता, व्याख्यात्मकता, काउंटरफैक्चुअल, कारण विश्लेषण और…

PyTorch, TensorFlow और JAX में न्यूरल नेटवर्क को धोखा देने वाले विरोधी उदाहरण बनाने के लिए एक Python टूलबॉक्स

एक उपकरण सेट जो सिस्टम को ऐसा दिखाने के लिए है जैसे वह APT हमले का शिकार हुआ हो।

बाह्य मान, प्रतिकूल और ड्रिफ्ट पहचान के लिए एल्गोरिदम

पेन टेस्ट या एथिकल हैकिंग अभियान के शोषण चरण के दौरान, आपको अंततः लक्षित सिस्टम कंप्यूटरों पर कोड चलाने का प्रयास करना होगा। बैकडोर बनाते समय…