ツール

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-ids

Blazing-Fast Token-Efficient Intrusion Detection System (IDS) based on TypeSafe's Jev.

rdelasierra-uy/rag-seguridad

CyberRAG — サイバーセキュリティのノートや書籍を対象とした100%ローカル（Ollama）のRAG：ハイブリッド検索、引用付き回答、フェーズ別ペネトレーションテストアシスタント、再インデックス監視。重いフレームワーク不使用。

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。

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/sldr

LLM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-agent

CodeQL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。

deep-jlu/skillpoison

HTS、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。

zju-llm-safety/ascent

ファインチューニングフレームワーク。LLMに対して一次最適安全性キャリブレーションと定期的な再キャリブレーションを適用し、安全性と両立する更新を維持しつつ下流タスクの有用性を向上させる。

tz98lab/dlr-ne-ics-security

高度な持続的脅威と移動標的防御の間の確率的ICSセキュリティゲームに対する動的低ランクナッシュ均衡計算を実装した研究コード。

arxhr007/aliens_eye

Hunt down 840+ social media accounts using AI

lzwhehe/benign-instruction-bench

LLMエージェントのツール出力に対するプロンプトインジェクション検出器の再評価（論文ドラフト、スクリプト、スコア）