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
refusal-relocates — LLM सुरक्षा: विश्लेषण करें कि फाइन-ट्यूनिंग कैसे इनकार व्यवहार को बदलती है और लेयर-फ्रीज़िंग तथा लो-रैंक रक्षा का मूल्यांकन करें। | Kitploit
उपकरण/GitHubGitHub/js-lee-ai/refusal-relocates
रक्षात्मक उपकरणभेद्यता विश्लेषणमशीन लर्निंगपेपर और शोधAI सुरक्षाप्रतिकूल हमला
GitHubjs-lee-ai/refusal-relocates

refusal-relocates

LLM सुरक्षा: विश्लेषण करें कि फाइन-ट्यूनिंग कैसे इनकार व्यवहार को बदलती है और लेयर-फ्रीज़िंग तथा लो-रैंक रक्षा का मूल्यांकन करें।

रिपॉजिटरी देखें
11011 महीना पहलेअभी तक समीक्षित नहीं
साझा करें
वेबसाइट

इनकार स्थानांतरित होता है, इनकार स्थानीयकृत होता है, क्षति स्थानांतरित होती है, कुछ-नमूना फाइन-ट्यूनिंग के अंतर्गत सुरक्षा परतें

arXiv Project Page Code MIT Paper CC BY 4.0 Python 3.10+ CI Stars

प्रोजेक्ट पेज · त्वरित शुरुआत · उपयोग · CLI · परिणाम · पुनरुत्पादन · सामान्य प्रश्न · उद्धरण


समाचार

  • [2026-09-28] कोड जारी किया गया, साथ में रन रिकॉर्ड और स्क्रिप्ट्स जो पेपर की तालिकाओं को पुनः बनाते हैं।

अवलोकन

कुछ दर्जन हानिकारक उदाहरण एक संरेखित मॉडल के हानिकारक अनुरोधों को अस्वीकार करने की क्षमता को हटा सकते हैं। पूर्ववर्ती कार्य सुरक्षा को विशिष्ट परतों और दिशाओं में स्थानीयकृत करता है, जो यह सुझाव देता है कि जो स्थान पाया गया है उसकी रक्षा की जाए। यह रिपॉज़िटरी उस आधार-वाक्य का परीक्षण उसी तरह करती है जैसे कोई अनुकूली आक्रमणकारी करेगा। यह पाता है कि इनकार कहाँ पुनः प्राप्त किया जा सकता है, उस क्षेत्र को स्थिर करता है और फिर से आक्रमण करता है, और यह वेट अपडेट की मरम्मत करता है और फिर आक्रमणकारी को उसे फैलाने देता है।

यह अध्ययन तीन मापों पर आधारित है।

  • इनकार एक गहराई पर पुनः प्राप्त होता है। लॉकस्टेप पैचिंग स्वच्छ मॉडल की पूरी छिपी हुई स्थिति को एक परत पर समझौता किए गए मॉडल को सौंपती है, प्रीफ़िल और प्रत्येक डिकोडिंग चरण पर, और इनकार एक पुनरुत्पादनीय संक्रमण गहराई पर लौटता है।
  • उस गहराई को स्थिर करना क्षति को स्थानांतरित करता है। मिलान किए गए Llama-3.1-8B तुलना में, परतों 0–17 को स्थिर करना संक्रमण को परत 15 से परतों 27 और 28 में स्थानांतरित करता है, और प्रतिबंधित आक्रमण के बाद इनकार 0.00 से 0.01 है, जबकि स्वच्छ 0.92 से 0.96 है।
  • शीर्ष-दो मरम्मत एक फैलाव अपडेट के सामने विफल होती है। अपडेट की शीर्ष दो एकवचन दिशाओं को हटाना चार चेकपॉइंट्स पर छोटे केवल-ध्यान फाइन-ट्यून के बाद इनकार को बहाल करता है। एक आक्रमणकारी जो अपडेट को फैलाता है, सापेक्ष शीर्ष-दो मरम्मत को 0.000 तक कम कर देता है, और 75 सौम्य फाइन-ट्यून पर कैलिब्रेट किया गया एक डिटेक्टर 14 मरम्मत विफलताओं में से केवल 3 को चिह्नित करता है।

यह रिपॉज़िटरी माप और दोनों रक्षाओं को एक छोटी लाइब्रेरी के रूप में प्रदान करती है, साथ में रन रिकॉर्ड और स्क्रिप्ट्स जो पेपर की तालिकाओं को पुनः बनाते हैं।

एक चित्र में यह क्या करता है

बाएँ, स्वच्छ और समझौता किए गए मॉडल साझा टोकन पर चलते हैं और स्वच्छ छिपी हुई स्थिति को एक परत पर समझौता किए गए मॉडल में पैच किया जाता है। दाएँ, आक्रमण को परतों 0 से 17 को स्थिर करके दोहराया जाता है और प्रतिबंधित चेकपॉइंट पर पैचिंग फिर से चलाई जाती है

(a) लॉकस्टेप एक्टिवेशन पैचिंग समझौता किए गए मॉडल की परत आउटपुट को प्रीफ़िल और प्रत्येक डिकोडिंग चरण पर स्वच्छ स्थिति से अधिलेखित करती है। (b) मिलान किए गए Llama आक्रमण में, परतों 0–17 को स्थिर करना आधी-सीमा संक्रमण को 15 से 27–28 में स्थानांतरित करता है।

त्वरित शुरुआत

pip install "git+https://github.com/js-lee-AI/refusal-relocates.git"
import numpy as np
import refusal

rng = np.random.default_rng(0)
A = rng.standard_normal((16, 512)) / 512 ** 0.5    # LoRA factors of one module, rank 16
B = rng.standard_normal((512, 16)) / 16 ** 0.5
for name, decay in [("ordinary", 0.5), ("spread", 1.0)]:
    b = B * decay ** np.arange(16)                  # energy in a few directions, or spread flat
    before, after = refusal.update_stats(A, b), refusal.update_stats(*refusal.remove_top_k(A, b, k=2))
    print(f"{name:8s}  PR/r {before['pr_over_r']:.2f}  top-2 energy {before['top2_energy_fraction']:.2f}"
          f"  norm left after top-2 removal {after['unscaled_norm'] / before['unscaled_norm']:.2f}")
# ordinary  PR/r 0.10  top-2 energy 0.94  norm left after top-2 removal 0.24
# spread    PR/r 0.94  top-2 energy 0.18  norm left after top-2 removal 0.90

एक साधारण फाइन-ट्यून अपने अधिकांश अपडेट को कुछ ही सिंगुलर दिशाओं में डालता है, इसलिए टॉप-टू हटाने से उसका अधिकांश भाग हट जाता है। एक स्प्रेड अपडेट का स्पेक्ट्रम सपाट होता है, इसलिए वही हटाने से उसका अधिकांश भाग यथावत रहता है। PR/r, जो LoRA रैंक पर पार्टिसिपेशन रेशियो है, पेपर के स्पेक्ट्रल डिटेक्टर का स्कोर भी है।

यह CPU पर लगभग एक सेकंड में चलता है और कुछ भी डाउनलोड नहीं करता। वही कोड examples/quickstart.py है, और CI इसे हर पुश पर चलाता है।

वास्तविक चेकपॉइंट्स को ट्रेन, पैच और मूल्यांकन करने के लिए, models एक्स्ट्रा इंस्टॉल करें।

pip install "refusal-relocates[models] @ git+https://github.com/js-lee-AI/refusal-relocates.git"
installaddsenough for
pip install "git+https://github.com/js-lee-AI/refusal-relocates.git"numpyspectral core, top-k हटाना, डिटेक्टर, refusal स्कोरर, refusal कमांड
pip install "refusal-relocates[models] @ git+https://github.com/js-lee-AI/refusal-relocates.git"torch, transformers, peft, accelerate, safetensors, scikit-learn, datasetsकिसी मॉडल पर ट्रेनिंग, lockstep पैचिंग, प्रोब्स और मूल्यांकन
git clone और फिर pip install -e ".[models,test]"pytestexperiments/, records/ और tests/

Python 3.11.5, PyTorch 2.10.0, Transformers 4.57.3 और PEFT 0.18.0 के साथ परीक्षण किया गया। मॉडल CUDA डिवाइस पर bfloat16 में लोड होते हैं।

उपयोग

किसी समझौता किए गए चेकपॉइंट को परत दर परत पैच करें

import refusal

data = refusal.load_data("data/prompt_sets.json")        # built by `refusal prepare`, see below
prompts = data["advbench"][:40]
clean, tokenizer = refusal.load_model("meta-llama/Llama-3.1-8B-Instruct")
attacked, _ = refusal.load_model("meta-llama/Llama-3.1-8B-Instruct", adapter="runs/attack/adapter")

for layer in [6, 9, 12, 15, 18]:
    responses = refusal.lockstep_generate(clean, attacked, tokenizer, prompts, layer=layer)
    print(layer, sum(refusal.is_refusal(r) for r in responses) / len(prompts))

दोनों मॉडल एक ही टोकन पढ़ते हैं, और चुनी गई परत पर समझौता किए गए मॉडल के आउटपुट को स्वच्छ मॉडल के आउटपुट से बदल दिया जाता है। refusal patch अपने फ्लोर, सीलिंग और दो नियंत्रणों के साथ पूर्ण मापन चलाता है, परप्लेक्सिटी गेट और Llama-Guard के साथ सुसंगत इनकार का स्कोर करता है, और संक्रमण गहराई की रिपोर्ट करता है।

GPU के बिना एक एडाप्टर की मरम्मत और स्कोरिंग करें

import refusal

stats = refusal.update_stats(A, B)                 # one module, A is rank x in and B is out x rank
A2, B2 = refusal.remove_top_k(A, B, k=2)           # the top-two repair, as new LoRA factors
result = refusal.calibrate_detector(benign_scores, attack_scores, budget=0.05)

एक एडाप्टर का डिटेक्टर स्कोर उसके attention projections पर औसतन PR/r होता है, जिसे refusal spectra CPU पर सहेजे गए एडाप्टर से गणना करता है।

API एक नज़र में

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।

    708
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    500
  • 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।

    398
  • 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।

    341
  • 5

    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।

    259
  • 6

    antifox

    antifox-ai/antifox

    AI मल्टी-एजेंट स्वायत्त पेनेट्रेशन टेस्टिंग प्लेटफ़ॉर्म जो रेकॉन, अटैक-सरफ़ेस डिस्कवरी, एक्सप्लॉइटेशन वैलिडेशन और साक्ष्य-आधारित रिपोर्ट डिलीवरी संचालित करता है।

    257

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →