Skip to content
KitploitKITPLOIT
ツールブログ
提出
ツールブログ
提出

ハッキング、侵入テスト、サイバーセキュリティツールをあなたのセキュリティアーセナルに!

Kitploitはハッキング、サイバーセキュリティ、ペネトレーションテストのツールディレクトリです。最新のプロジェクトアップデートを見つけて、脆弱性の発見、システム分析、テストの自動化、セキュリティの強化を行いましょう。

··フィード·お問い合わせ·プライバシー·© 2026 Kitploit

ツールディレクトリ

カテゴリ

すべてのカテゴリを見る
Loading categories
ai-security-battle — レッドチーム対ブルーチームの敵対的AIシミュレーション。 | Kitploit
ツール/GitHubGitHub/binarybard27/ai-security-battle
防御ツール機械学習学習と教育レッドチーミングAIセキュリティ異常検知敵対的攻撃ラボと実践
GitHubbinarybard27/ai-security-battle

ai-security-battle

レッドチーム対ブルーチームの敵対的AIシミュレーション。

リポジトリを見る
218ヶ月前未レビュー

人気

すべて見る →

コミュニティで最も使われているツールを見つけましょう。

すべてのツールを探索

ツールコレクションを閲覧

すべてのツールを見る →
共有

🤖 AIセキュリティバトルシステム

レッドチーム vs ブルーチーム:敵対的ML戦闘シミュレーション

レッドチームの攻撃者とブルーチームの防御者が30分間のAI/MLセキュリティ戦闘シナリオで戦う、包括的な敵対的機械学習セキュリティシミュレーションです。


🎯 プロジェクト概要

このシステムは、以下のような現実世界のAI/MLセキュリティシナリオをシミュレーションします:

  • 🔴 レッドチームは高度な攻撃(敵対的入力、モデル抽出、回避)を実行
  • 🔵 ブルーチームはMLベースの防御(異常検知、レート制限、入力検証)を展開

バトルは30分間、10ラウンドで実行され、最終結果によりAI/MLセキュリティシステムが現代のアプリケーションに対して十分に堅牢かどうかが判定されます。


📁 プロジェクト構成

root@kitploit:~
ai-security-battle/
├── database/                   # Database layer
│   ├── schema.sql              # Database schema
│   ├── db_config.py            # Database manager & repositories
│   ├── models.py               # Data models
│   └── seed_data.py            # Initialize with sample data
│
├── blue_team/                  # Blue Team (Defenders)
│   ├── ml_models/              # ML models for defense
│   ├── defenses/               # Defense mechanisms
│   ├── monitoring/             # Monitoring systems
│   ├── api/                    # API endpoints
│   └── blue_agent.py           # Blue Team orchestrator
│
├── red_team/                   # Red Team (Attackers)
│   ├── attacks/                # Attack implementations
│   ├── reconnaissance/         # Probing and scanning
│   ├── adaptation/             # Strategy adaptation
│   └── red_agent.py            # Red Team orchestrator
│
├── battle_engine/              # Battle coordination
│   ├── orchestrator.py         # Main battle controller
│   ├── round_manager.py        # Round timing
│   ├── scoring_system.py       # Score tracking
│   └── logger.py               # Event logging
│
├── shared/                     # Shared utilities
│   ├── config.py               # Configuration
│   ├── constants.py            # Constants & enums
│   └── utils.py                # Utility functions
│
├── results/                    # Battle results & logs
├── tests/                      # Unit tests
├── docker/                     # Docker configuration
├── requirements.txt            # Python dependencies
├── setup.py                    # Package setup
├── run_battle.py               # Main entry point
└── README.md                   # This file

🚀 クイックスタート

1. インストール

root@kitploit:~
cd ai-security-battle

# Create virtual environment (recommended)
python -m venv venv
venv\Scripts\activate  # On Windows

# Install dependencies
pip install -r requirements.txt

2. データベースの初期化

root@kitploit:~
python database/seed_data.py

3. バトルを実行!

root@kitploit:~
# Standard battle (30 minutes, 10 rounds)
python run_battle.py

# Quick battle (10 minutes, 5 rounds)
python run_battle.py --quick

# Custom configuration
python run_battle.py --rounds 8 --duration 20

# Initialize database and run
python run_battle.py --init

🎮 動作の仕組み

バトルの流れ

  1. 初期化 - 両チームがモデルを訓練
  2. ラウンド1-10 - レッドが攻撃、ブルーが防御
  3. 適応 - 両チームが戦略を調整
  4. 結論 - 勝者が決定、レポート生成

🔴 レッドチームの武器

  • 敵対的入力 - ML分類器を欺くための入力を作成
  • モデル抽出 - クエリを介してモデルを盗み出す
  • 回避攻撃 - 検出パターンに適応
  • 推論攻撃 - 訓練データ情報を抽出

🔵 ブルーチームの防御

  • レート制限 - APIの悪用を防止
  • 入力検証 - スキーマと範囲チェック
  • 異常検知 - Isolation Forestアルゴリズム
  • ML認証 - Random Forest分類器

📊 スコアリング

レッドチーム

  • 成功した侵害: +10ポイント
  • 検出を回避: +5ポイント
  • モデル抽出: +15ポイント

ブルーチーム

  • 攻撃を検出: +8ポイント
  • 攻撃をブロック: +12ポイント
  • ゼロ侵害ラウンド: +15ポイント

⚙️ 設定

shared/config.pyを編集して、バトル設定、防御パラメータ、攻撃構成をカスタマイズします。


🧪 テスト

root@kitploit:~
pytest tests/ -v

📜 ライセンス

MITライセンス - 教育および研究目的


AI/MLセキュリティ研究・教育のために構築 🚀

ツールをダウンロード