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/norrrrrrr-lyn/wainjectbench
भेद्यता विश्लेषणवेब सुरक्षामशीन लर्निंगपेपर और शोधलर्निंग और शिक्षाAI सुरक्षाप्रतिकूल हमला
GitHubnorrrrrrr-lyn/wainjectbench

WAInjectBench

वेब एजेंट्स के लिए प्रॉम्प्ट इंजेक्शन डिटेक्शन का बेंचमार्किंग।

रिपॉजिटरी देखें
235944 महीने पहलेKitploit द्वारा समीक्षित
साझा करें

WAInjectBench

WAInjectBench वेब एजेंट्स में प्रॉम्प्ट इंजेक्शन डिटेक्शन के लिए एक व्यापक बेंचमार्क है। यह दो मोडैलिटीज़: टेक्स्ट और इमेज में 6 प्रकार के हमलों को कवर करता है।


📂 डेटासेट संरचना

  • data/
    • text/
      • benign/ → 4 श्रेणियाँ, JSONL फ़ाइलों के रूप में संग्रहीत
      • malicious/ → 8 हमला प्रकार, JSONL फ़ाइलों के रूप में संग्रहीत
    • image/
      • benign/ → 2 श्रेणियाँ, सबफ़ोल्डरों में संग्रहीत
      • malicious/ → 7 हमला प्रकार, सबफ़ोल्डरों में संग्रहीत

⚙️ इंस्टॉलेशन

रेपो को क्लोन करें और एनवायरनमेंट बनाएँ:

git clone https://github.com/Norrrrrrr-lyn/WAInjectBench.git
cd WAInjectBench
conda env create -f environment.yml
conda activate wainjectbench

🚀 मूल्यांकन

WAInjectBench दो मूल्यांकन पाइपलाइनों का समर्थन करता है: टेक्स्ट-आधारित डिटेक्शन और इमेज-आधारित डिटेक्शन।

🔹 टेक्स्ट-आधारित डिटेक्शन

python main_text.py \
  --data_dir [path to text dataset] \
  --detector [detector name] \
  --result_dir [output path] \
  --gpu [gpu id]

उपलब्ध डिटेक्टर: ["kad", "promptarmor", "embedding-t", "promptguard", "datasentinel", "ensemble"]

PromptArmor → इसके लिए OPENAI_API_KEY को एनवायरनमेंट वेरिएबल के रूप में आवश्यकता होती है।

DataSentinel →

git clone https://github.com/liu00222/Open-Prompt-Injection.git

प्रीट्रेन्ड मॉडल को यहाँ डाउनलोड करें: WAInjectBench/Open-Prompt-Injection/DataSentinel_Models detector_text/datasentinel.py में डायरेक्टरी और मॉडल पथ सेट करें।

🔹 इमेज-आधारित डिटेक्शन

python main_image.py \
  --data_dir [path to image dataset] \
  --detector [detector name] \
  --result_dir [output path] \
  --gpu [gpu id]

उपलब्ध डिटेक्टर: ["gpt-4o-prompt", "llava-1.5-7b-prompt", "jailguard", "embedding-i", "llava-1.5-7b-ft", "ensemble"]

GPT-4o-Prompt → इसके लिए OPENAI_API_KEY को एनवायरनमेंट वेरिएबल के रूप में आवश्यकता होती है।

JailGuard →

git clone https://github.com/shiningrain/JailGuard.git

MiniGPT4 को कॉन्फ़िगर करने के लिए इसके README का पालन करें।

LLaVA-1.5-7B-FT → इसके लिए हमारे फाइनट्यून किए गए मॉडल को डाउनलोड करना और detector_image/llava.py में इसका पथ सेट करना आवश्यक है।

🔹 इन-डोमेन जनरलाइज़ेशन

हम Embedding-T और Embedding-I मॉडलों के इन-डोमेन प्रशिक्षित संस्करण भी प्रदान करते हैं, जो model/embedding-t/in-domain और model/embedding-i/in-domain में उपलब्ध हैं। इनका उपयोग करने के लिए, मुख्य प्रयोगों की तरह ही मूल्यांकन प्रक्रिया का पालन करें, लेकिन detector_text/embedding-t.py और detector_image/embedding-i.py में मॉडल पथ को अपडेट करें।

🏋️ प्रशिक्षण

हम टेक्स्ट और इमेज दोनों के लिए एम्बेडिंग-आधारित बाइनरी क्लासिफायर के प्रशिक्षण के लिए कोड प्रदान करते हैं।

टेक्स्ट एम्बेडिंग क्लासिफायर

python train/embedding-t.py \
  --input_dir [dir with training text jsonl files] \
  --output_dir [model output path]

JSONL प्रारूप:

{"text": "example", "label": 1}   # 1 for malicious, 0 for benign

इमेज एम्बेडिंग क्लासिफायर

python train/embedding-i.py \
  --input_dir [dir with training image jsonl files] \
  --output_dir [model output path]

JSONL प्रारूप:

{"path": "path/to/image.png", "label": 1}

LLaVA-1.5-7B का फाइनट्यूनिंग

python train.py \
  --train_jsonl train.jsonl \
  --val_jsonl val.jsonl \
  --use_lora \
  --amp_dtype bf16 \
  --device_mode single \
  --gpu_id 0

JSONL फ़ाइलों में इमेज पथ और लेबल होने चाहिए (1 = malicious, 0 = benign)। हमारे पेपर में प्रयोग डिफ़ॉल्ट हाइपरपैरामीटर का उपयोग करते हैं।

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।

    837
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    536
  • 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।

    424
  • 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।

    355
  • 5

    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।

    294
  • 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।

    276

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →