🛡️ AI-Security-Knowledge-Base

यह एक व्यवस्थित AI सुरक्षा अनुसंधान परियोजना है, जो बुनियादी मशीन लर्निंग एल्गोरिदम सिद्धांत से लेकर अत्याधुनिक बड़े भाषा मॉडल इंजेक्शन हमलों, AI एंटी-डिटेक्शन प्रतिरोध और डीपफेक (Deepfake) तक के संपूर्ण ज्ञान प्रणाली को कवर करती है।

---

🏗️ ज्ञान प्रणाली वास्तुकला

इस भंडार की सामग्री चार मुख्य खंडों में विभाजित है: AI कोर एल्गोरिदम, खतरा मॉडलिंग, रेड टीम आक्रमण और ब्लू टीम रक्षा।

🧬 एक: AI बुनियादी बातें और सिद्धांत

मॉडल के पीछे के गणितीय तर्क को गहराई से समझना, एल्गोरिदम में कमजोरियों को खोजने का पूर्वापेक्षा है।

• AI सिंहावलोकन - कृत्रिम बुद्धिमत्ता का विकास इतिहास, शाखाएँ और मुख्य अवधारणाएँ।
• डीप लर्निंग आर्किटेक्चर - CNN/RNN से Transformer आर्किटेक्चर तक का गहन विघटन।
• कोर मशीन लर्निंग एल्गोरिदम - लीनियर/लॉजिस्टिक रिग्रेशन, SVM, डिसीजन ट्री, रैंडम फॉरेस्ट और नाइव बेयस।
• अनसुपरवाइज्ड लर्निंग अन्वेषण - क्लस्टरिंग विश्लेषण (K-Means, GMM) और एसोसिएशन नियम।
• रिइन्फोर्समेंट लर्निंग सिद्धांत - एजेंट (Agent) गेम-थ्योरी तर्क और स्वचालित निर्णय लेने की बुनियाद।

🚨 दो: खतरा मॉडलिंग और जोखिम ढांचा

अंतरराष्ट्रीय मुख्यधारा सुरक्षा मानकों के आधार पर, AI प्रणालियों के आक्रमण सतह का विश्लेषण करें।

• AI सुरक्षा जोखिम ढांचा - OWASP ML/LLM Top 10 की गहन व्याख्या, जिसमें Prompt Injection, डेटा विषाक्तता और मॉडल इनवर्जन शामिल हैं।
• MCP विशेष सुरक्षा - Model Context Protocol से संबंधित नवीनतम सुरक्षा अनुसंधान, जिसमें टूल विषाक्तता और Cursor IDE भेद्यता विश्लेषण शामिल है।
• skill सुरक्षा - skill सुरक्षा के कॉन्फ़िगरेशन और रक्षा अभ्यासों का विश्लेषण।

🏹 तीन: रेड टीम आक्रमण अभ्यास

साइबर आक्रमण और रक्षा में AI को "हथियार" के रूप में उपयोग करने के व्यावहारिक दोहन का अन्वेषण।

• आक्रामक AI व्यावहारिक -
  • AI भेद्यता स्कैनिंग: Shennina और Shannon का उपयोग करके अनुमान-आधारित स्वचालित पेनेट्रेशन।
  • मैलवेयर प्रतिरोध: Pesidious और MalwareGAN का उपयोग करके रिइन्फोर्समेंट लर्निंग-संचालित एंटी-डिटेक्शन म्यूटेशन।
  • डीपफेक धोखाधड़ी: रीयल-टाइम ऑडियो/वीडियो क्लोनिंग (Deep-Live-Cam, Voice-Pro) के सिद्धांत और दोहन।

🛡️ चार: ब्लू टीम रक्षा सशक्तिकरण

अधिक पूर्वानुमानित सुरक्षा रक्षा प्रणाली बनाने के लिए एल्गोरिदम का उपयोग करने पर अनुसंधान।

• एल्गोरिदम-सशक्त सुरक्षा - मशीन लर्निंग-आधारित असामान्य ट्रैफ़िक डिटेक्शन, स्वचालित ऑडिट और खतरा शिकार।

---

🚀 कोर फोकस दिशाएँ

---

🛠️ अनुशंसित पठन विधि

1. शुरुआती: AI.md से शुरू करने की सलाह दी जाती है, क्रम से एल्गोरिदम मॉड्यूल पढ़ें, और बुनियादी गणितीय अंतर्ज्ञान स्थापित करें।
2. सुरक्षा पेशेवर: सीधे AI安全.md में जाकर OWASP जोखिम ढांचे को समझें, और स्थानीय प्रयोगों के लिए 进攻性AI.md देखें।
3. डेवलपर्स: MCP安全.md और 算法赋能安全.md पर ध्यान केंद्रित करें, सुरक्षित AI एकीकरण समाधान बनाने के लिए।

---

पूर्ण वीडियो पाठ्यक्रम:

अधिक शक्तिशाली और व्यावहारिक कोड, अधिक भेद्यता उन्नयन विधियाँ, अधिक तरीके!

⚠️ अस्वीकरण

महत्वपूर्ण सूचना: इस भंडार में शामिल तकनीकी सामग्री केवल सुरक्षा शिक्षण, अनुपालन ऑडिट और शैक्षणिक अनुसंधान के लिए है।

• इस परियोजना की किसी भी तकनीक को अवैध उद्देश्यों के लिए उपयोग करना निषिद्ध है।
• आक्रामक उपकरणों का उपयोग करने से पहले, सुनिश्चित करें कि आपके पास लक्ष्य प्रणाली से स्पष्ट प्राधिकरण है।
• लेखक इस भंडार की सामग्री के किसी भी दुरुपयोग से होने वाले नुकसान के लिए ज़िम्मेदार नहीं है।

---

🤝 योगदान और संवाद

दस्तावेज़ को बेहतर बनाने के लिए Issue या Pull Request जमा करने का स्वागत है। यदि आपको यह परियोजना उपयोगी लगती है, तो कृपया एक Star 🌟 दें।

---

अंतिम अद्यतन: 2026-03-06
लेखक: GhostWolfLab/Snowwolf