Skip to content
KitploitKITPLOIT
ツールエクスプロイトブログ
Log in
提出
ツールエクスプロイトブログ
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
CacheTrap — ファインチューニングされたLLM分類器においてKVキャッシュの1ビットを反転させ、クラスごとの攻撃成功率を測定するグレーボックストロイヤル攻撃の研究用コード。 | Kitploit
ツール/GitHubGitHub/ml-security-research-lab/cachetrap
脆弱性分析機械学習論文と研究AIセキュリティ敵対的攻撃
GitHubml-security-research-lab/cachetrap

CacheTrap

ファインチューニングされたLLM分類器においてKVキャッシュの1ビットを反転させ、クラスごとの攻撃成功率を測定するグレーボックストロイヤル攻撃の研究用コード。

リポジトリを見る
4461ヶ月前未レビュー
共有

CacheTrap

「CacheTrap: Unveiling a Stealthier Gray-Box Trojan against LLMs」 のリポジトリ、 IEEE/ACM International Conference on Computer-Aided Design (ICCAD), 2026。

arXiv

CacheTrap は、ファインチューニングされた LLM 分類器の KV キャッシュ内の単一ビットフリップを探索し、その結果として得られるターゲットクラスごとの攻撃成功率(ASR)を測定します。


1. セットアップ

Python 3.10、CUDA 12.x。

conda create -n cachetrap python=3.10
conda activate cachetrap
pip install -r requirements.txt

Hugging Face へのアクセス。 meta-llama/Llama-2-7b-chat-hf と meta-llama/Llama-3.1-8B-Instruct はゲート付きです。Hub 上でライセンスに同意したうえで、次を実行してください:

huggingface-cli login

2. トレーニング

1 モデル / 1 データセット:

python train_model.py --model llama3_1_8b --dataset arc_easy

チェックポイントは TrainedModels/merged_<model>_<dataset>/ に書き出されます。

すべてのモデル × すべてのデータセット:

bash scripts/train.sh

スクリプト冒頭の MODELS、DATASETS、NUM_GPUS を編集すると、サブセットのみを実行できます。 ログは logs/training/ に出力されます。

注記: メモリの少ない GPU では、上記のコマンド内および scripts/train.sh 内の両方で、train_model.py の代わりに train_model_lowmem.py を使用してください。


3. 攻撃

python attack.py --model llama3_1_8b --dataset arc_easy --calib_dataset openbookqa

--dataset は被害モデルがトレーニングされたデータセットであり、--calib_dataset は攻撃者が利用可能なデータです。論文に従い、OpenBookQA、TREC、ARC-Challenge でトレーニングされた被害モデルは ARC-Easy でキャリブレーションされ、ARC-Easy でトレーニングされた被害モデルは OpenBookQA でキャリブレーションされます。2 つのバッチスクリプトはまさにこの分割を実装しています:

スクリプト被害モデルのデータセットキャリブレーション
scripts/attack_bundle1.shopenbookqa, trec, arc_challengearc_easy
scripts/attack_bundle2.sharc_easyopenbookqa
bash scripts/attack_bundle1.sh
bash scripts/attack_bundle2.sh

各スクリプトは最後に、自身のログディレクトリに対して summarize_logs.py を実行します。 オプションの全一覧は python attack.py --help を実行してください。

出力

  • logs/<run>/<model>_<dataset>.log — 実行ごとの完全な出力
  • logs/<run>/summary.csv — ターゲットクラスごとに 1 行(ベースライン精度、攻撃下の精度、ASR、フリップ位置)
  • logs/<run>/summary.txt — 生のサマリーブロック
  • flip_locations/*.json — --save_flip_locations を指定した場合のフリップ位置

探索を繰り返さずに再評価するには:

python attack.py --model llama3_1_8b --dataset arc_easy --calib_dataset openbookqa \
    --load_flip_locations flip_locations/llama3_1_8b_arc_easy.json

4. 公開済みチェックポイントでのクイックテスト

何もトレーニングせずに攻撃を試すには、公開されている merged_llama3_1_8b_arc_easy チェックポイントをダウンロードし、TrainedModels/ の下に配置してください:

TrainedModels/
└── merged_llama3_1_8b_arc_easy/
    ├── config.json
    ├── model-*.safetensors
    ├── tokenizer.json
    └── ...

次に、以下のコマンドを実行して攻撃します:

python attack.py --model llama3_1_8b --dataset arc_easy --calib_dataset openbookqa \
    --load_flip_locations flip_locations/llama3_1_8b_arc_easy.json

あるいは、新規に攻撃を実行するには以下を実行してください

python attack.py \
    --model llama3_1_8b \
    --dataset arc_easy \
    --calib_dataset openbookqa \
    --threat_model graybox \
    --save_flip_locations flip_locations/llama3_1_8b_arc_easy_fresh.json

これにより、ベースライン精度、攻撃下の精度、ASR、および選択されたフリップ位置のクラスごとのサマリーが出力されます。


引用

プレプリント版を引用する場合は次のように記述してください

@article{nahian2025cachetrap,
  title={CacheTrap: Unveiling a Stealthier Gray-Box Trojan against LLMs},
  author={Nahian, Mohaiminul Al and Almalky, Abeer Matar A and Aragonda, Gamana and Zhou, Ranyang and Ahmed, Sabbir and Ponomarev, Dmitry and Yang, Li and Angizi, Shaahin and Rakin, Adnan Siraj},
  journal={arXiv preprint arXiv:2511.22681},
  year={2025}
}
ツールをダウンロード

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。

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 究極のOSINTツールキット:調査グラフ、信頼度スコアリング、エイリアスファミリー、マップ、タイムライン、レポート。49個のモジュール、400以上のサイト、APIキー不要。

    732
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock ワンタップ実行アプリ(CVE-2026-43499)

    506
  • 3

    ARTEX

    baarai/artex

    プランナー/ワーカーエージェント、資産グラフと探索グラフ、MITMトラフィック記録、脆弱性の再テストを備えたLLMマルチエージェント自律ペネトレーションテストプラットフォーム。

    405
  • 4

    redforge

    cybersecurity91/redforge

    ブラウザ側のレッドチームツールキット。偵察、ペイロード生成、認証情報攻撃、暗号、エンコーディング、エンゲージメントレポート向けの102のオフラインツールを備えています。

    342
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AIネイティブなサイバーセキュリティのためのアクションシステム。意図がガバナンスされた実行に変わり、証拠が運用記憶となり、すべての操作が次の操作を改善する。

    261
  • 6

    antifox

    antifox-ai/antifox

    偵察、攻撃対象領域の探索、エクスプロイト検証、証拠に基づくレポート提供を実行するAIマルチエージェント自律ペネトレーションテストプラットフォーム。

    259

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 →