#1LLM security, prompt injection, model extraction, adversarial AI, and AI red teaming tools.
Kitploit 추천

CVE-2026-47644에 대한 개념 증명 및 전체 분석 문서: 첨부 파일 태그 이탈을 통한 Edge Copilot 프롬프트 인젝션으로, 렌더링된 이메일 이미지를 통해 탭 간 데이터 유출로 이어짐.

LLM 에이전트의 지속 메모리 오염(persistent-memory poisoning)을 위한 결정론적 벤치마크 및 평가 하네스로, 정상/오염 사례를 쌍으로 구성하고 LangChain/LlamaIndex 러너와 방어 기법을 제공합니다.

Real-time safety guard for AI agents. Check before they act.

"7개의 대규모 언어 모델 전반에 걸친 적대적 탈옥 공격 및 방어의 체계적 평가"를 위한 코드

CVE-2026-57845에 대한 개념 증명 및 패치: Hugging Face datasets의 pandas 빌더에서 발생하는 pickle 역직렬화 RCE로, 재현 스크립트와 완화 지침을 포함합니다.

자체 호스팅 에이전트 스택에 ChatML/Mistral/Llama 제어 토큰 리터럴을 발사하여 공격자가 하기 전에 역할 위조를 입증하세요 (CVE-2026-61732).

그래프 신경망에서 단일 블랙박스 프로토콜 아래 모델 추출 공격과 소유권 방어(워터마킹, 출력 교란, 쿼리 탐지)를 평가하기 위한 벤치마크 및 라이브러리입니다.

프롬프트를 넘어서: 시뮬레이션된 검열 흔적을 통한 함수 호출 LLM의 탈옥

Measuring and closing the text–vector integrity gap in offline RAG: margin law, vector-database audits and code-level verification.

결합된 목적 함수와 EMA 기반 가중치 드리프트 가드를 통해 치명적 과적합을 방지하는 빠른 적대적 학습 방법의 PyTorch 참조 구현으로, AutoAttack 평가를 포함합니다.

LLM 레이어에 제어 가능한 안전 전문가를 추가하기 위한 연구 코드로, 2단계 업사이클링 학습과 추론 시점의 안전 온도 라우팅 및 탈옥 평가를 포함합니다.

Bytebot의 최적화된 포크: 데스크톱 제어를 위한 AI 에이전트. 7GB에서 1.09GB로 축소되었고, CVE-2026-78250이 패치되었으며, 살아있는 문서(Obsidian)와 Human-in-the-loop 작업 프로토콜을 갖추고 있습니다.

CVE-2026-77521(MaxKB 프롬프트 주입 가능 명령 실행)의 무해하고 자체 완결적인 재현

언어 모델의 백도어를 탐지하고 제거하기 위한 연구 프레임워크로, BERT, BART, LLaMA, Qwen 전반에 걸쳐 특징 기반 이상 탐지와 LoRA 기반 언러닝을 결합한다.

가중치 수준 LLM 포렌식: 모델 가중치를 비교(diff)하고, 파인튜닝·병합·위장된 파생 모델을 탐지하며, 파인튜닝이 촉진하거나 억제하는 토큰을 널 기준선 점수(null-baseline scoring)로 드러냅니다.

공식 빌드 및 검증된 릴리스 | 모든 발견 사항을 입증하는 오픈소스 AI 침투 테스터. 머신 오라클이 각 익스플로잇을 다시 실행하며, 검증된 버그는 직접 재현할 수 있는 증명 캡슐과 함께 제공됩니다.

REA 리버스 엔지니어링 MCP를 위한 데스크톱 GUI: 리스팅, 디컴파일러, 함수 그래프를 갖춘 코드 브라우저와 229개의 분석 도구 및 AI 에이전트를 동일한 세션에서 제공합니다.

ASP.NET Core의 CVE-2026-96230에 대한 권고 콘텐츠를 합성하고 검증하는 Gemini 기반 이중 에이전트 합의 루프를 갖춘 Express/TypeScript 마이크로서비스입니다.