Skip to content
KitploitKITPLOIT
ツールブログ
Log in
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
INTACT — マルチターンLLMジェイルブレイク実験(FITD、MRCJ、ActorAttack、X-Teaming)を再現する研究コード。SoKの意図指向体系化論文に基づく。 | Kitploit
ツール/GitHubGitHub/siyuanli00/intact
機械学習論文と研究学習と教育AIセキュリティ敵対的攻撃
GitHubsiyuanli00/intact

INTACT

マルチターンLLMジェイルブレイク実験(FITD、MRCJ、ActorAttack、X-Teaming)を再現する研究コード。SoKの意図指向体系化論文に基づく。

リポジトリを見る
51795ヶ月前未レビュー
共有

SoK マルチターン・ジェイルブレイク実験

このリポジトリには、SoK: Intent-Oriented Systematization of Multi-Turn LLM Jailbreaks におけるメカニズム分析に使用されたコードのリリース版が含まれています。

リポジトリは、論文の付録Aで説明されている実験に必要なコード、プロンプト、設定ファイル、データセットのみを保持するように整理されています。生成されたログ、キャッシュファイル、仮想環境、以前の結果、図、およびアドホックな分析出力は意図的に削除されています。

実験の対応表

論文の問い手法カテゴリローカルディレクトリデータセット
RQ1: 組織化 vs. 蓄積FITD, MRCJDEA / SRAFoot-in-the-door-Jailbreak/, Inc_Exp/MRCJ/JailbreakBench, MUCD, AdvBench
RQ2: 増幅コンポーネントActorAttackDEAactorattack/ActorAttack/HarmBench
RQ3: エスカレーションの形状MRCJSRAInc_Exp/MRCJ/MUCD, AdvBench
RQ4: サブパラダイムの進行X-TeamingSRAx-teaming/JailbreakBench形式の行動セット

ディレクトリ概要

  • Foot-in-the-door-Jailbreak/: RQ1のDEA側の組織化vs.蓄積実験のためのFITD実装。
  • Inc_Exp/MRCJ/: RQ1のSRA側の比較およびRQ3のエスカレーション形状実験のためのMRCJ実装。
  • actorattack/ActorAttack/: RQ2のアクター数およびセルフトークのアブレーションのためのActorAttack実装。
  • x-teaming/: RQ4のA1/A2/A3サブパラダイム進行実験のためのX-Teamingバックボーンとconfigs/exp3設定。

環境

各手法は元の依存関係ファイルを保持しています:

pip install -r actorattack/ActorAttack/requirements.txt
pip install -r Foot-in-the-door-Jailbreak/requirements.txt
pip install -r Inc_Exp/requirements.txt
conda env create -f x-teaming/environment.yml

APIキーとサービスエンドポイントは、環境変数またはローカル設定ファイルを通じて提供する必要があります。秘密情報を含む.envファイルはリリースに含まれていません。

実験の実行

RQ1: FITD

FITDはJailbreakBenchの行動セットとそのデフォルトのマルチターン攻撃設定を使用します。

cd Foot-in-the-door-Jailbreak
python FITD.py

プロンプトベースのリプレイの場合:

python FITD_prompt.py --model_name gpt-4o --control True --max_length 10

RQ1/RQ3: MRCJ

MRCJは悪意レベルを持つMUCD形式の補助質問とAdvBenchの最終ターゲットを使用します。論文ではRQ3のために4つのエスカレーションステップを固定しています。

cd Inc_Exp
python MRCJ/train/train.py --target_model mistral --judge_model gpt-4o --cat_questions_num 2 --harmful_score_threshold 4 --train_from_scratch --dir my_model_data
python MRCJ/test/test.py --target_model mistral --judge_model gpt-4o

MRCJ/train/train.pyおよびMRCJ/test/test.pyでサポートされているモデル名を使用してください。

RQ2: ActorAttack

ActorAttackはHarmBenchのクエリを使用します。アクター数実験では--actorsを1から5まで変化させてください。セルフトークのアブレーションでは、論文の設定に合わせて--actors 3を固定し、コード/設定でセルフトークを無効にしてください。

cd actorattack/ActorAttack
python main.py --questions 400 --actors 3 --behavior ./data/harmbench.csv --attack_model_name deepseek-chat --target_model_name gpt-4o --early_stop --step_modify

RQ4: X-Teaming

RQ4はX-Teamingバックボーンを使用し、攻撃者モデルとしてDeepSeek-V3を用いて、同じターン予算の下でA1、A2、A3を比較します。

cd x-teaming
python main.py --config configs/exp3/A1_gpt4o.yaml
python main.py --config configs/exp3/A2_gpt4o.yaml
python main.py --config configs/exp3/A3_gpt4o.yaml

論文で使用されている他のターゲットモデルに対しても、同等の設定が利用可能です。

評価

論文では、GPT-4oを自動審査員として使用し、1から5の有害性スケールで評価しています。スコアが4以上の場合、ジェイルブレイクの成功と見なされます。生成された出力と審査レポートはこのリリースには含まれていません。再実行時には、新しいログ/結果をローカルに書き出す必要があります。

リリースポリシー

このコードは、管理された研究再現のみを目的としています。リポジトリは、過去の実験出力、キャッシュされたバイトコード、仮想環境、ノートブック、ローカルの秘密情報、および無関係な探索的コードを意図的に除外しています。

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。

    786
  • 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。

    429
  • 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。

    345
  • 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。

    262
  • 6

    looking-glass

    anonghosty/looking-glass

    ShadowserverレポートをMongoDBに取り込み、インタラクティブなマップ、分析、調査結果、アドバイザリ、エグゼクティブダッシュボードとして再生するCSIRTプラットフォーム。

    256

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 →