#1
gmh5225/malicious-code-detection-buguAIベースの悪意あるコード検出および難読化システム。検出、パッキング、コード難読化のためのマイクロサービスに加え、ユーザーサービスと管理者サービスを備えています。
nawaralseelawi/pvbrf-idプライベートで検証可能な、ビザンチン耐性を持つ連合型侵入検知プロトコルのためのシミュレーションコードと結果。秘密分散、Merkle監査、Pedersenコミットメントを使用。
cosmosyi/autocontrol-arena高度なエージェントモデルに潜むリスクを明らかにするため、実行可能で圧力の高いテスト環境を合成する、フロンティアAI安全性評価のための自動化フレームワーク。
yxf203/defense-as-skillスキル拡張エージェントにおける悪意あるスキル誘発攻撃を検出・ブロックするランタイムガードスキル。ロールアウトフィードバックからガードポリシーを進化させるMCTSループを備える。
jev-sec/jev-idsBlazing-Fast Token-Efficient Intrusion Detection System (IDS) based on TypeSafe's Jev.
rdelasierra-uy/rag-seguridadCyberRAG — RAG 100% local (Ollama) sobre apuntes y libros de ciberseguridad: recuperación híbrida, respuestas con citas, asistente de pentest por…
krxi/asmsenseストリップされたx86-64バイナリ内の関数に名前を付け、説明する小規模言語モデル。オープンデータセット、ベースライン、LoRAファインチューニング実験を備える。
ye-ze-yu/epireal-bench商用画像生成器における視覚的誤情報リスクを評価するためのレッドチーミングベンチマークおよびブラックボックス攻撃フレームワーク。10k件の虚偽主張プロンプトとスコアリングスクリプトを備える。
phil-fan/fs-attack論文「Rethinking Latency Denial-of-Service: Attack the LLM Serving Framework, Not the Model」の実装
multimodal-ai-lab/tobacToken by Token, Compromised: 統合自己回帰モデルにおけるバックドア脆弱性 (NeurIPS'26)
moontea0416/webmirageビジョン言語Webエージェントに対する敵対的画像攻撃：視覚的グラウンディングからブラウザ実行まで
stardust457/sldrLLMの悪意あるファインチューニングを、選択的レイヤー復元と動的ルーティングを用いて軽減する防御フレームワーク。トレーニング、有害性スコアリング、ジェイルブレイク評価スクリプトを備える。
danigil/neuperm再学習不要のサニタイズ処理で、置換等価なニューラルネットワークユニットを並べ替えることにより、重みステガノグラフィ攻撃によって埋め込まれたマルウェアを、モデル精度を維持したまま破壊します。
graph-com/cka-agent商用モデルのガードレールを、無害なプロンプトウィービングと適応的木探索を用いて回避するLLMジェイルブレイクエージェントの研究実装。
githubsecuritylab/seclab-taskflow-agentCodeQL統合によるAI支援コード監査、脆弱性トリアージ、セキュリティリサーチに使用される、宣言型YAML駆動のエージェントワークフロー向けMCP対応マルチエージェントフレームワーク。
uiuc-kang-lab/persistbdResearch code for training adapters that make LLM agent backdoors survive benign fine-tuning, with trigger-rate scoring, SWE-bench evaluation, and…
deep-jlu/skillpoisonHTS、LEGSA、GCTIRの各段階を通じて、検証済みの成功体験を構築し、それらを形成記録として整理することで、モデルのスキルを段階的に汚染する研究パイプライン。
