Skip to content
KitploitKITPLOIT
उपकरणएक्सप्लॉइटब्लॉग
Log in
जमा करें
उपकरणएक्सप्लॉइटब्लॉग
जमा करें

हैकिंग, पेनटेस्ट और साइबर सुरक्षा उपकरण आपके सुरक्षा शस्त्रागार के लिए!

Kitploit हैकिंग, साइबर सुरक्षा और पेंटेस्टिंग टूल्स की एक निर्देशिका है। कमजोरियों को खोजने, सिस्टम का विश्लेषण करने, परीक्षण को स्वचालित करने और अपनी सुरक्षा को मजबूत करने के लिए नवीनतम प्रोजेक्ट अपडेट खोजें।

फ़ीडसंपर्कगोपनीयता© 2026 Kitploit

टूल निर्देशिका

श्रेणियाँ

सभी श्रेणियाँ देखें
Loading categories
उपकरण/GitHubGitHub/azzzzliao/aegis-audio-defense
रक्षात्मक उपकरणभेद्यता विश्लेषणमशीन लर्निंगपेपर और शोधAI सुरक्षाप्रतिकूल हमला
GitHubazzzzliao/aegis-audio-defense

aegis-audio-defense

रक्षा ढाँचा जो ऑडियो-भाषा मॉडलों को स्थिर रखता है और अनुमान के समय ऑडियो जेलब्रेक को रोकने के लिए लेट-लेयर सुरक्षा अडैप्टरों के साथ एक मध्य-परत जोखिम गेट जोड़ता है।

साझा करें
रिपॉजिटरी देखें
961 महीना पहलेअभी तक समीक्षित नहीं

AEGIS: बड़े ऑडियो-भाषा मॉडल जेलब्रेक्स के विरुद्ध आंतरिक संकेतों के माध्यम से ऑडियो एंडोजेनस गार्डिंग

arXiv License

ICASSP 2027 में सबमिट किया गया।

AEGIS लक्ष्य ऑडियो-भाषा मॉडल को फ़्रोज़न रखता है और एक मध्य-परत जोखिम गेट जोड़ता है जो सशर्त रूप से देर-परत सुरक्षा एडाप्टरों को संचालित करता है, अनुमान के समय क्लोज़्ड-लूप स्केलिंग के साथ।

विषय-सूची

पृष्ठइसमें क्या है
विधिजोखिम-से-इनकार का अंतराल, गेट और एडाप्टर, प्रशिक्षण हानि, क्लोज़्ड लूप।
परिणामपेपर की तालिकाएँ: छह मॉडल, तीन बेंचमार्क, एब्लेशन, और रक्षा तुलना।
पेपर से परे विश्लेषणअन्य पाँच मॉडलों में जोखिम-से-इनकार का अंतराल, गेट व्यवहार, प्रतिनिधित्व, पूर्ण एब्लेशन तालिका।
डेटाप्रत्येक डेटासेट कहाँ से आता है और मैनिफ़ेस्ट कैसे बनाए जाते हैं।
मॉडल जोड़नाएक एडाप्टर लिखकर AEGIS को किसी अन्य LALM पर पोर्ट करना।

इस पृष्ठ पर: रिपॉज़िटरी लेआउट · सेटअप · डेटा · AEGIS चलाना · प्रोटोकॉल · एब्लेशन · परीक्षण · उद्धरण

रिपॉज़िटरी लेआउट

aegis/                        defense runtime; every script runs from any directory
  model_registry.py           ModelAdapter interface, registry, Qwen2-Audio and Phi-4 adapters
  adapters_gemma_voxtral.py   Gemma 4 E4B-it and Voxtral-Small-24B adapters
  adapters_ultravox_vita.py   Ultravox v0.5 and VITA-1.5 adapters
  train_gate_lora.py          joint training of the risk gate and the safety adapters
  run_defense.py              gated inference with closed-loop scaling (--score-only: gate scores)
  run_model.py                undefended generation
  judge.py                    Llama-Guard-3-8B safety judge
  refusal.py                  refusal regex for the over-refusal metric
  extract_hidden.py, analysis/  hidden-state probes for layer selection
scripts/
  prepare_data.py             downloaded datasets -> manifests (+ in-domain test splits)
  run_baseline.sh             step 0: undefended responses, judgments, training files
  run_aegis.sh                steps 1-4 for one protocol (PROTOCOL=indomain or lobo)
  run_ablation.sh             the Full and Always-on ablations
  models.sh                   per-model gate layer, intervention layers, prompt mode
  build_trainsets.py, calibrate_threshold.py, summarize.py
data/splits/                  in-domain train/test ids used in the paper
docs/                         method, results, analyses, porting guide
tests/                        CPU tests of the evaluation protocol

सेटअप

pip install -r requirements.txt

प्रत्येक मॉडल को इसे लोड करने के लिए एक Transformers संस्करण की आवश्यकता होती है। अपस्ट्रीम्स में असहमति है, इसलिए हमने प्रति मॉडल परिवार एक वातावरण का उपयोग किया:

MODELबेस मॉडलHugging Face id (ओवरराइड वेरिएबल)गेट लेयरइंटरवेंशन लेयर्सप्रयुक्त Transformers
gemma4_e4b_itGemma 4 E4B ITgoogle/gemma-4-E4B-it (AEGIS_GEMMA4_PATH)2125–415.7.0.dev0
phi4_mmPhi-4-multimodalmicrosoft/Phi-4-multimodal-instruct (AEGIS_PHI4_MM_PATH)1519–315.7.0.dev0
vita_15VITA-1.5VITA-MLLM/VITA-1.5 (AEGIS_VITA_PATH)1519–274.43.4
qwen2_audioQwen2-Audio-7B-InstructQwen/Qwen2-Audio-7B-Instruct (AEGIS_QWEN2_AUDIO_PATH)1519–31≥ 4.45
ultravox_v05Ultravox v0.5 (Llama-3.1-8B)fixie-ai/ultravox-v0_5-llama-3_1-8b (AEGIS_ULTRAVOX_PATH)1519–314.48.1
voxtral_smallVoxtral Small 24Bmistralai/Voxtral-Small-24B-2507 (AEGIS_VOXTRAL_PATH)2428–394.57.6
  • मॉडल डिफ़ॉल्ट रूप से Hub से लोड होते हैं। ऑफ़लाइन चलाने के लिए, ओवरराइड वेरिएबल को एक स्थानीय स्नैपशॉट पर इंगित करें।
  • Llama-Guard-3-8B, Gemma 4, और Ultravox द्वारा डाउनलोड किया जाने वाला Llama-3.1 बैकबोन Hub पर गेटेड हैं। उनके लाइसेंस स्वीकार करें और huggingface-cli login चलाएँ, या GUARD और AEGIS_LLAMA31_PATH को स्थानीय प्रतियों पर सेट करें।
  • VITA-1.5 को अपने GitHub कोड की आवश्यकता है: https://github.com/VITA-MLLM/VITA को क्लोन करें और AEGIS_VITA_REPO को चेकआउट पर सेट करें (डिफ़ॉल्ट: external/VITA)।
  • हार्डवेयर: अधिकांश मॉडलों के लिए एक 48 GB GPU पर्याप्त है। Gemma 4 प्रशिक्षण के लिए कम से कम ~40 GB वाला एक कार्ड आवश्यक है, क्योंकि 262k-शब्दावली लॉस अच्छी तरह शार्ड नहीं होता। Voxtral Small के लिए दो 48 GB कार्ड आवश्यक हैं (DEVICE=auto मॉडल को शार्ड करता है; गेट और एडाप्टर उन लेयर्स का अनुसरण करते हैं जिन्हें वे हुक करते हैं)। Qwen2-Audio और Phi-4 को लंबे AJail क्लिप्स पर DEVICE=auto से भी लाभ होता है।

डेटा

पाँच डेटासेट डाउनलोड करें जैसा कि data/README.md में वर्णित है, फिर मैनिफ़ेस्ट बनाएँ:

python scripts/prepare_data.py --data-root data --out-dir data/manifests

स्क्रिप्ट पेपर में उपयोग की गई पंक्ति संख्याओं की जाँच करती है: AJail 1,490, JALM 946, SACRED 1,364, XSTest 250, Benign_train 215। यह data/splits/ में id सूचियों से इन-डोमेन टेस्ट स्प्लिट (718 / 499 / 683 पंक्तियाँ) भी लिखती है।

AEGIS चलाना

प्रत्येक मॉडल के लिए (PY उस मॉडल के वातावरण का Python है; JUDGE_PY Llama Guard के लिए एक भिन्न वातावरण की ओर इंगित कर सकता है):

MODEL=gemma4_e4b_it PY=python DEVICE=cuda:0 bash scripts/run_baseline.sh                  # step 0
MODEL=gemma4_e4b_it PROTOCOL=indomain PY=python DEVICE=cuda:0 bash scripts/run_aegis.sh   # in-domain
MODEL=gemma4_e4b_it PROTOCOL=lobo     PY=python DEVICE=cuda:0 bash scripts/run_aegis.sh   # LOBO

हर चरण फिर से शुरू करने योग्य है; किसी रुकावट के बाद वही कमांड दोबारा चलाएँ। आउटपुट runs/<model>/ में जाते हैं:

baseline/                        undefended responses; <bench>_judged.jsonl = Llama Guard labels
train/train_{indomain,lobo}_<bench>.jsonl
<protocol>/<bench>/adapter/      router_head.pt, late_adapters.pt, config.json
<protocol>/<bench>/scores/       gate scores on XSTest and on the evaluation set
<protocol>/<bench>/threshold.json
<protocol>/<bench>/defended/     defended responses and their judgments
<protocol>/summary.json          unsafe rate, over-refusal, gate AUROC per benchmark

प्रोटोकॉल

टूल डाउनलोड करें

सबसे लोकप्रिय

सभी देखें →

हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 अंतिम OSINT टूलकिट: जाँच ग्राफ़, विश्वास स्कोरिंग, उपनाम परिवार, मानचित्र, टाइमलाइन और रिपोर्ट। 49 मॉड्यूल, 400+ साइटें, किसी API कुंजी की आवश्यकता नहीं।

    524
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # घोस्टलॉक वन-टैप निष्पादन ऐप (CVE-2026-43499)

    478
  • 3

    ARTEX

    baarai/artex

    प्लानर/वर्कर एजेंट, एसेट और एक्सप्लोरेशन ग्राफ़, MITM ट्रैफ़िक रिकॉर्डिंग, और भेद्यता पुनःपरीक्षण के साथ LLM मल्टी-एजेंट स्वायत्त पेनेट्रेशन टेस्टिंग प्लेटफ़ॉर्म।

    357
  • 4

    redforge

    cybersecurity91/redforge

    ब्राउज़र-साइड रेड टीम टूलकिट, जिसमें रेकॉन, पेलोड जनरेशन, क्रेडेंशियल हमलों, क्रिप्टो, एन्कोडिंग और एंगेजमेंट रिपोर्टिंग के लिए 102 ऑफ़लाइन टूल्स हैं।

    317
  • 5

    estorides

    grisuno/estorides

    99+ मुफ़्त OSINT स्रोतों को समानांतर रूप से एकत्रित करता है, संस्थाओं को एक ज्ञान ग्राफ़ में हल करता है, और LLM-सहायता प्राप्त विश्लेषण के साथ STIX 2.1, MISP, या GraphML निर्यात करता है।

    305
  • 6

    opencti

    opencti-platform/opencti

    खुला साइबर खतरा बुद्धिमत्ता प्लेटफॉर्म

    275

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →