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/zju-llm-safety/trace
शोषणस्क्रिप्टिंग और स्वचालनपेनिट्रेशन टेस्टिंगमशीन लर्निंगपेपर और शोधरेड टीमिंगAI सुरक्षाप्रतिकूल हमला
GitHubzju-llm-safety/trace

TRACE

LLM-आधारित एजेंटों के लिए एजेंटिक जेलब्रेक फ्रेमवर्क, जो उभरते सुरक्षा जोखिमों की जाँच के लिए स्कीम-आधारित कार्य विभाजन, बहु-चरणीय प्रच्छन्न रणनीतियों और अनुकूली आत्म-विकास का उपयोग करता है।

4121801 महीना पहलेKitploit द्वारा समीक्षित
रिपॉजिटरी देखें
साझा करें

TRACE: कार्य-जागरूक अनुकूली स्व-विकसित एजेंटिक जेलब्रेकिंग

TRACE: कार्य-जागरूक अनुकूली स्व-विकसित एजेंटिक जेलब्रेकिंग के लिए आधिकारिक कार्यान्वयन।

📖 अवलोकन

बड़े भाषा मॉडल (LLM) एजेंट स्वायत्त रूप से योजना बना सकते हैं, उपकरणों को आमंत्रित कर सकते हैं, वातावरण के साथ अंतःक्रिया कर सकते हैं, और दीर्घकालिक वर्कफ़्लो निष्पादित कर सकते हैं। यह पारंपरिक केवल-पाठ जेलब्रेक से परे सुरक्षा जोखिम उत्पन्न करता है: भले ही हानिकारक निर्देश प्राप्त किए जा सकें, संरेखित एजेंट अभी भी उन्हें निष्पादित करने से इंकार कर सकते हैं, जबकि मध्यवर्ती निष्पादन विफलताएँ अन्यथा सफल हमला वर्कफ़्लो को बाधित कर सकती हैं।

TRACE एक एजेंटिक जेलब्रेकिंग फ्रेमवर्क है जिसे कार्य विघटन, निष्पादन-उन्मुख बहु-चरण अंतःक्रिया, और अनुकूली पुनर्प्राप्ति के माध्यम से इन चुनौतियों का समाधान करने के लिए डिज़ाइन किया गया है।

TRACE में तीन प्रमुख घटक हैं:

  • योजना-आधारित कार्य विघटन। TRACE लगभग 20 प्रक्रियात्मक विघटन योजनाओं के आसपास विकसित होता है जो विभिन्न कार्य प्रकारों के लिए प्रमुख संचालन और उनकी निर्भरताओं को निर्दिष्ट करते हैं। एक जटिल हानिकारक कार्य को विभिन्न योजनाओं के अंतर्गत तत्काल किया जाता है ताकि कई उम्मीदवार उप-कार्य अनुक्रम उत्पन्न किए जा सकें, जिनका मूल्यांकन हानिकारकता और निष्पादन कठिनाई के आधार पर किया जाता है।
  • निष्पादन-उन्मुख बहु-चरण अंतःक्रिया। उन उप-कार्यों के लिए जो निष्पादन इंकार को ट्रिगर करते हैं, TRACE संरचित उप-कार्य प्रोफ़ाइल का निर्माण करता है और एक विकसित हो रही रणनीति लाइब्रेरी से संबंधित निष्पादन-उन्मुख रणनीतियाँ पुनः प्राप्त करता है। प्रत्येक रणनीति मध्यवर्ती लक्ष्यों, प्रासंगिक वातावरण स्थितियों, और आवश्यक उपकरण कॉल को निर्दिष्ट करती है, जो एजेंट को बहु-चरण अंतःक्रिया के माध्यम से उप-कार्य पूरा करने की दिशा में मार्गदर्शन करती है।
  • अनुकूली पुनर्प्राप्ति और रणनीति विकास। जब कोई मध्यवर्ती चरण विफल होता है, TRACE विफल उप-कार्य का स्थानीयकरण करता है, पहले से पूर्ण किए गए निष्पादन स्थितियों को संरक्षित रखता है, संबंधित रणनीति को अनुकूलित करता है, और संपूर्ण वर्कफ़्लो को पुनः आरंभ किए बिना निष्पादन फिर से शुरू करता है। निष्पादन प्रतिक्रिया का उपयोग रणनीति लाइब्रेरी को निरंतर विकसित करने के लिए आगे किया जाता है।

📊 मुख्य परिणाम

हम TRACE का मूल्यांकन AdvCUA और AgentHazard पर करते हैं, दो एजेंट सुरक्षा बेंचमार्क जिनके लिए इंटरैक्टिव वातावरण में बहु-चरण कार्यों के एंड-टू-एंड निष्पादन की आवश्यकता होती है। प्रयोगों में दो एजेंट फ्रेमवर्क, Codex और Claude Code, कई अंतर्निहित मॉडलों के साथ शामिल हैं।

एजेंट फ्रेमवर्कअंतर्निहित मॉडलAdvCUAAgentHazard
CodexGPT-5.50.620.97
CodexGemini-3.5-Flash0.650.99
CodexDeepSeek-V4-Pro0.811.00
Claude CodeClaude-Opus-4.80.540.97
Claude CodeGemini-3.5-Flash0.690.98
Claude CodeDeepSeek-V4-Pro0.880.99

TRACE विभिन्न एजेंट फ्रेमवर्क और अंतर्निहित मॉडलों में लगातार मजबूत हमला प्रदर्शन प्राप्त करता है, अधिकांश सेटिंग्स में पूर्व बेसलाइन से काफी बेहतर प्रदर्शन करता है। AdvCUA पर, TRACE 0.54 से 0.88 तक की ASR प्राप्त करता है। AgentHazard पर, TRACE सभी मूल्यांकित कॉन्फ़िगरेशन में लगभग-पूर्ण ASR प्राप्त करता है, जो 0.97 से 1.00 तक है।

🎬 डेमो

Claude Code और Codex के साथ दो रिकॉर्ड किए गए प्रदर्शन assets/ में प्रदान किए गए हैं:

लक्ष्य एजेंटडेमो
Claude CodeClaude Code डेमो
CodexCodex डेमो

🛠️ स्थापना

प्रदान किया गया वातावरण विनिर्देश Linux और Python 3.11 को लक्षित करता है।

git clone https://github.com/ZJU-LLM-Safety/TRACE.git
cd TRACE

conda env create -f environment.yml
conda activate trace

🚀 उपयोग

1. API एक्सेस कॉन्फ़िगर करें

OpenAI-संगत Chat Completions एंडपॉइंट के लिए क्रेडेंशियल और बेस URL सेट करें:

export OPENAI_API_KEY="<your-api-key>"
export OPENAI_BASE_URL="<your-api-base-url>"

2. कार्य विघटन

योजना-निर्देशित कार्य विघटन का उपयोग करके उम्मीदवार उप-कार्य अनुक्रम उत्पन्न करें:

python improved_decomposer/improved_task_decomposer.py \
  --data_file_path /path/to/tasks.json \
  --output_file_path outputs/decompositions.jsonl \
  --model "<decomposition-model>" \
  --num_decompositions_per_task 5 \
  --use_schema_decompose

--use_schema_decompose स्कीम-आधारित उम्मीदवार जनरेशन को सक्षम करता है।

3. प्रयोग चलाएँ

निम्नलिखित उदाहरण Codex के साथ AdvCUA बेंचमार्क का उपयोग करता है:

python experiment/main.py \
  --dataset /path/to/benchmark_with_subtasks.jsonl \
  --config experiment/config/config.yaml \
  --lab-backend vrap \
  --compose-file /path/to/benchmark/docker-compose.yml \
  --attacker-model-path /path/to/attacker-model \
  --target-backend codex \
  --codex-model "<target-model>" \
  --responses-base-url "<target-responses-api-base-url>" \
  --responses-env-key OPENAI_API_KEY \
  --strategy-library outputs/experiment/strategy_library.json \
  --output outputs/experiment/results.jsonl

उपलब्ध कमांड-लाइन विकल्पों का निरीक्षण करने के लिए:

python improved_decomposer/improved_task_decomposer.py --help
python experiment/main.py --help

📁 रिपॉज़िटरी संरचना

पथविवरण
improved_decomposer/प्रक्रियात्मक योजनाएँ, उम्मीदवार निर्माण, सत्यापन, और चयन
experiment/main.pyप्रयोग ऑर्केस्ट्रेशन और निष्पादन प्रतिक्रिया
experiment/runtime/मॉडल, रणनीतियों, और उप-कार्य अनुक्रमों के लिए रनटाइम घटक
experiment/strategy_library/रणनीति भंडारण, पुनर्प्राप्ति, संशोधन, और प्रतिक्रिया एकीकरण
experiment/config/प्रयोग कॉन्फ़िगरेशन और प्रॉम्प्ट टेम्पलेट
agent_execution/लक्ष्य-एजेंट इंटरफ़ेस, सत्र प्रबंधन, ट्रैजेक्टरी संग्रह, और सत्यापन
tools/बेंचमार्क ब्रिज, API एडाप्टर, और डायग्नोस्टिक्स
assets/Claude Code और Codex प्रदर्शन वीडियो
environment.ymlConda वातावरण विनिर्देश

📝 उद्धरण

यदि आपको अपने शोध में TRACE उपयोगी लगे, तो कृपया इसे उद्धृत करने पर विचार करें:

@misc{zeng2026tracetaskawareadaptiveselfevolving,
      title={TRACE: Task-Aware Adaptive Self-Evolving Agentic Jailbreaking}, 
      author={Churui Zeng and Kedong Xiu and Weiwei Qi and Yuqi Hao and Chaochao Lu and Liang He and Zhan Qin and Tianhang Zheng},
      year={2026},
      eprint={2605.30883},
      archivePrefix={arXiv},
      primaryClass={cs.CR},
      url={https://arxiv.org/abs/2605.30883}, 
}
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।

    806
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    523
  • 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।

    441
  • 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।

    346
  • 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।

    270
  • 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।

    264

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →