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
AutoRAN-public — बड़े तर्क मॉडल में सुरक्षा तर्क को हाईजैक करने के लिए स्वचालित ढांचा, सिम्युलेटेड तर्क निशान और पुनरावृत्त प्रॉम्प्ट शोधन के माध्यम से प्रभावी जेलब्रेक उत्पन्न करता है। | Kitploit
उपकरण/GitHubGitHub/jackpurcell/autoran-public
शोषणपेपर और शोधरेड टीमिंगAI सुरक्षाप्रतिकूल हमला
GitHubjackpurcell/autoran-public

AutoRAN-public

बड़े तर्क मॉडल में सुरक्षा तर्क को हाईजैक करने के लिए स्वचालित ढांचा, सिम्युलेटेड तर्क निशान और पुनरावृत्त प्रॉम्प्ट शोधन के माध्यम से प्रभावी जेलब्रेक उत्पन्न करता है।

रिपॉजिटरी देखें
111371 साल पहलेअभी तक समीक्षित नहीं
साझा करें

🧠 AutoRAN: बड़े रीज़निंग मॉडल्स में सुरक्षा तर्क का स्वचालित अपहरण

AutoRAN एक स्वचालित सुरक्षा-तर्क अपहरण (Hijacking of Safety Reasoning) तकनीक है, जो कम-संरेखित (द्वितीयक) सहायक मॉडलों का लाभ उठाकर तर्क-निशानों (reasoning traces) का अनुकरण करती है, कथात्मक प्रॉम्प्ट उत्पन्न करती है, और आधुनिक बड़े रीज़निंग मॉडल्स (LRMs) में सुरक्षा तर्क को बायपास करने के लिए उन प्रॉम्प्ट्स को पुनरावृत्त रूप से परिष्कृत करती है।

AutoRAN अवलोकन

⚠️ अस्वीकरण: यह रिपॉजिटरी केवल नियंत्रित सुरक्षा अनुसंधान और AI सुरक्षा रेड-टीमिंग के लिए है।

🔍 प्रमुख विशेषताएँ

  • ⚙️ पुनरावृत्त प्रॉम्प्ट परिशोधन के माध्यम से स्वचालित मल्टी-टर्न जेलब्रेक
  • 🧩 कथात्मक टेम्पलेट्स जो दुर्भावनापूर्ण लक्ष्यों को प्रशंसनीय शैक्षिक/नैतिक बहानों के रूप में प्रस्तुत करते हैं
  • 🔁 परिशोधन रणनीतियाँ जो प्रॉम्प्ट्स को विकसित करने के लिए मध्यवर्ती तर्क-निशानों का उपयोग करती हैं
  • 📈 वाणिज्यिक LRMs में लगभग 100% हमला सफलता दर
  • 🔬 AdvBench, HarmBench और StrongReject पर मूल्यांकित

🛠️ विधि अवलोकन

AutoRAN तीन-चरणीय पाइपलाइन का अनुसरण करता है:

  1. तर्क का अनुकरण करें: पीड़ित मॉडल की उच्च-स्तरीय CoT संरचना की नकल करने के लिए एक कमजोर मॉडल का उपयोग करें
  2. प्रॉम्प्ट उत्पन्न करें: अनुकरणित तर्क का उपयोग करके एक कथात्मक टेम्पलेट भरें
  3. प्रॉम्प्ट परिष्कृत करें: मध्यवर्ती तर्क और सुरक्षा अस्वीकृति पैटर्न के आधार पर समायोजित करें

AutoRAN पाइपलाइन

📊 परिणाम

हमला प्रदर्शन

📁 प्रयोग रिकॉर्ड्स

आप /records निर्देशिका में लॉग्स और परिणाम पा सकते हैं। उदाहरण के लिए:

ls -lh records/

🚀 त्वरित प्रारंभ: डेमो

# Clone the repository
git clone {THIS_REPO}
cd AutoRAN

# Install dependencies
pip install -r requirements.txt

# Apply for model access (see HuggingFace link)
# https://huggingface.co/huihui-ai/Qwen3-8B-abliterated/tree/main

# Start the model server (recommended: use tmux or screen)
vllm serve huihui-ai/Qwen3-8B-abliterated --tensor-parallel-size 4 --port 8000

# Edit the attack prompt in demo.py as needed
python demo.py

# Follow the command line instructions.
# You may need to copy questions to GPT-o3, GPT-o4 Mini, or Gemini 2.5-Flash/Pro,
# then paste the results back into the terminal as prompted.

🚀 संपूर्ण प्रयोग वर्कफ़्लो

# Clone the repository
git clone {THIS_REPO}
cd AutoRAN

# Install dependencies
pip install -r requirements.txt

# Set up chat2api for automatic ChatGPT interaction:
# https://github.com/lanqian528/chat2api

# Apply for model access (see HuggingFace link)
# https://huggingface.co/huihui-ai/Qwen3-8B-abliterated/tree/main

# Start the model server (recommended: use tmux or screen)
vllm serve huihui-ai/Qwen3-8B-abliterated --tensor-parallel-size 4 --port 8000

# Run the main experiment script
python main.py

🧷 अस्वीकरण

यह कोड केवल शोध और शैक्षिक उद्देश्यों के लिए जारी किया गया है। इसका उद्देश्य LLMs में सुरक्षा कमजोरियों के जिम्मेदार मूल्यांकन का समर्थन करना है। इस कोड का उपयोग वास्तविक-विश्व प्रणालियों को निशाना बनाने या नियंत्रित वातावरण के बाहर हानिकारक आउटपुट उत्पन्न करने के लिए न करें।

📚 उद्धरण

@misc{liang2025autoranautomatedhijackingsafety,
      title={AutoRAN: Automated Hijacking of Safety Reasoning in Large Reasoning Models}, 
      author={Jiacheng Liang and Tanqiu Jiang and Yuhui Wang and Rongyi Zhu and Fenglong Ma and Ting Wang},
      year={2025},
      eprint={2505.10846},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2505.10846}, 
}
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।

    989
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    576
  • 3

    looking-glass

    anonghosty/looking-glass

    CSIRT प्लेटफ़ॉर्म जो Shadowserver रिपोर्ट्स को MongoDB में इनजेस्ट करता है और उन्हें इंटरैक्टिव मैप्स, विश्लेषण, निष्कर्षों, सलाहों और कार्यकारी डैशबोर्ड के रूप में पुनः प्रस्तुत करता है।

    354
  • 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।

    339
  • 5

    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।

    323
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI-मूल साइबरसुरक्षा के लिए कार्रवाई की प्रणाली—जहाँ इरादा नियंत्रित निष्पादन बन जाता है, साक्ष्य परिचालन स्मृति बन जाता है, और हर ऑपरेशन अगले को बेहतर बनाता है।

    315

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →