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
ASCENT — फाइन-ट्यूनिंग फ्रेमवर्क जो LLMs पर प्रथम-क्रम इष्टतम सुरक्षा अंशांकन और आवधिक पुनर्अंशांकन लागू करता है, जो सुरक्षा-संगत अपडेट को संरक्षित करते हुए डाउनस्ट्रीम कार्य उपयोगिता में सुधार करता है। | Kitploit
उपकरण/GitHubGitHub/zju-llm-safety/ascent
रक्षात्मक उपकरणमशीन लर्निंगपेपर और शोधAI सुरक्षाप्रतिकूल हमला
GitHubzju-llm-safety/ascent

ASCENT

फाइन-ट्यूनिंग फ्रेमवर्क जो LLMs पर प्रथम-क्रम इष्टतम सुरक्षा अंशांकन और आवधिक पुनर्अंशांकन लागू करता है, जो सुरक्षा-संगत अपडेट को संरक्षित करते हुए डाउनस्ट्रीम कार्य उपयोगिता में सुधार करता है।

रिपॉजिटरी देखें
131021 महीना पहलेअभी तक समीक्षित नहीं
साझा करें

ASCENT

सुरक्षा–उपयोगिता सह-वृद्धि के लिए पुनः-अंशांकन के साथ प्रथम-कोटि इष्टतम फाइन-ट्यूनिंग

ASCENT एक प्रथम-कोटि इष्टतम सुरक्षा अंशांकन अद्यतन और संबंधित सुरक्षा-संबंधित संरचना प्राप्त करता है, सुरक्षा-संगत घटकों को संरक्षित करते हुए सुरक्षा-क्षयकारी घटकों को दबाते हुए डाउनस्ट्रीम कार्य अद्यतनों को अनुकूलित करता है, और सुरक्षा तथा डाउनस्ट्रीम उपयोगिता दोनों को संयुक्त रूप से बेहतर बनाने के लिए फाइन-ट्यूनिंग के दौरान इस संरचना को समय-समय पर पुनः-अंशांकित करता है।

विधि · त्वरित प्रारंभ · डेटा · कॉन्फ़िगरेशन · मूल्यांकन

🧠 विधि अवलोकन

ASCENT framework: safety calibration, safety-preserving task optimization, and periodic recalibration.

  1. प्रथम-कोटि इष्टतम सुरक्षा अंशांकन। एक सुरक्षा जज के साथ वर्तमान मॉडल के सुरक्षा ग्रेडिएंट का अनुमान लगाएँ। इसके शीर्ष-r एकवचन घटक एक अंशांकन अद्यतन को परिभाषित करते हैं जो निश्चित रैंक और फ्रोबेनियस-नॉर्म बजट के अंतर्गत अनुमानित प्रथम-कोटि सुरक्षा सुधार को अधिकतम करता है।
  2. सुरक्षा-संरक्षणकारी कार्य अनुकूलन। सुरक्षा-संगत कार्य-अद्यतन घटकों को संरक्षित करें और नकारात्मक प्रथम-कोटि सुरक्षा प्रभावों वाले घटकों को चुनिंदा रूप से दबाएँ। बंद-रूप अद्यतन मूल कार्य अद्यतन के निकटता को सुरक्षा विरोधों पर लगाए गए दंड के विरुद्ध संतुलित करता है, जिसे एकवचन मानों द्वारा भारित किया जाता है।
  3. आवधिक पुनः-अंशांकन। अंशांकन बिंदुओं के बीच कार्य अद्यतन करें, फिर प्रभावी कार्य अद्यतन को मर्ज करें और अद्यतन मॉडल पर सुरक्षा-संबंधित संरचना का पुनः अनुमान लगाएँ। अंशांकन अनुसूची config.toml में निर्धारित की जाती है।

🚀 त्वरित प्रारंभ

आवश्यकताएँ: Python 3.12 और स्थानीय मॉडल चेकपॉइंट। प्रशिक्षण दो CUDA GPU का उपयोग करता है, एक लक्ष्य मॉडल के लिए और एक Llama Guard के लिए; प्रत्येक मॉडल को उसके GPU पर फिट होना चाहिए।

pip install -r requirements.txt
cp config.example.toml config.toml

config.toml में खाली मानों को उसकी इनलाइन टिप्पणियों का पालन करते हुए भरें, फिर चलाएँ:

python run.py \
  --config config.toml \
  --model-path /path/to/target-model \
  --guard-model-path /path/to/Llama-Guard-3-8B \
  --data-root data \
  --output-dir /path/to/new-run \
  --target-gpu 0 --guard-gpu 1

प्रशिक्षण, प्रतिक्रियाएँ उत्पन्न करने, या मूल्यांकन परिणाम सहेजने के लिए --execute जोड़ें।

चेकपॉइंट के लिए जगह वाली रिपॉज़िटरी के बाहर एक नई आउटपुट निर्देशिका चुनें। प्रशिक्षण समाप्त होने पर अंतिम मर्ज किए गए मॉडल का पथ प्रिंट करता है।

📁 डेटा

कॉन्फ़िगर किए गए रिकॉर्ड गणना के साथ JSON सरणियाँ प्रदान करें:

  • अंशांकन: <data-root>/calibration/prompts.json
  • कार्य डेटा: <data-root>/<task>/{train,test}.json, असंयुक्त train/test इनपुट के साथ।
डेटासेटआवश्यक फ़ील्ड
SAMSumdialogue, summary
AGNewstext, label_name: World, Sports, Business, या Sci/Tech
GSM8Kquestion, answer जिसमें #### अंतिम उत्तर हो
OpenBookQAquestion_stem, choice_labels: ["A","B","C","D"], चार choice_texts, answer_key: A–D
HarmBenchकेवल goal; वैकल्पिक id, source; कोई संग्रहीत प्रतिक्रियाएँ नहीं

⚙️ कॉन्फ़िगरेशन

config.toml में अपना मॉडल, कार्य, और हाइपरपैरामीटर सेट करें। मॉडल लोडिंग और मैट्रिक्स चयन model.key का पालन करते हैं।

📊 मूल्यांकन

दोनों मोड के लिए evaluate.py का उपयोग करें; जनरेशन के लिए पूरी तरह मर्ज किया गया स्थानीय मॉडल आवश्यक है। अपना स्वयं का डेटा और बाहरी सुरक्षा स्कोर प्रदान करें। कोई डेटासेट, ऑनलाइन जज, या API कॉन्फ़िगरेशन बंडल नहीं किया गया है।

उपयोगिता

python evaluate.py utility --task gsm8k --data /path/to/test.json \
  --model-path /path/to/merged-model --output-dir /path/to/task-evaluation --execute

कार्य: samsum, agnews, gsm8k, openbookqa। मेट्रिक्स SAMSum के लिए ROUGE-L और अन्य के लिए सटीकता/सटीक मिलान हैं, जिन्हें प्रतिशत के रूप में रिपोर्ट किया जाता है। सहेजी गई प्रतिक्रियाओं को स्कोर करने के लिए, --model-path को --responses /path/to/responses.json से बदलें।

सुरक्षा

id, goal, और वैकल्पिक prompt (डिफ़ॉल्ट रूप से goal) वाले रिकॉर्ड के रूप में निश्चित प्रॉम्प्ट प्रदान करें। मूल हानिकारक लक्ष्य को हमले के प्रॉम्प्ट से अलग रखें।

प्रतिक्रियाएँ उत्पन्न करें:

python evaluate.py safety --data /path/to/prompts.json \
  --model-path /path/to/merged-model --output-dir /path/to/safety-responses --execute

बाहरी स्कोर एकत्र करें:

python evaluate.py safety \
  --responses /path/to/safety-responses/responses.json --judgments /path/to/scores.json \
  --output-dir /path/to/safety-metrics --execute

स्कोर JSON रिकॉर्ड { "id": "...", "score": 1 } हैं, जो प्रतिक्रिया ID और स्कोर 1–5 का उपयोग करते हैं (विफल निर्णयों के लिए null)। स्कोर 4–5 सफल हमलों के रूप में गिने जाते हैं; केवल 5 गिनने के लिए --success-threshold 5 का उपयोग करें। अनुपस्थित या विफल निर्णय अंतिम ASR नहीं देते।

किसी भी मोड के लिए, चैट फ़ॉर्मेटिंग के बाद --max-input-tokens से अधिक इनपुट अस्वीकार किए जाते हैं, छोटे नहीं किए जाते। सीमा को मॉडल की संदर्भ क्षमता के भीतर सेट करें, जिससे उत्पन्न टोकन के लिए जगह बची रहे।

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।

    732
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    506
  • 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।

    405
  • 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।

    342
  • 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।

    261
  • 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।

    259

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →