Skip to content
KitploitKITPLOIT
도구익스플로잇블로그
Log in
제출
도구익스플로잇블로그
제출

해킹, 침투 테스트 및 사이버 보안 도구를 당신의 보안 무기고에!

Kitploit은 해킹, 사이버 보안 및 침투 테스트 도구 디렉토리입니다. 최신 프로젝트 업데이트를 발견하여 취약점을 찾고, 시스템을 분석하고, 테스트를 자동화하고, 보안을 강화하세요.

피드문의개인정보© 2026 Kitploit

도구 디렉토리

카테고리

모든 카테고리 보기
Loading categories
SLDR — LLM의 악의적인 파인튜닝을 선택적 레이어 복구와 동적 라우팅으로 완화하는 방어 프레임워크로, 학습, 유해성 점수 산정, 탈옥 평가 스크립트를 포함합니다. | Kitploit
도구/GitHubGitHub/stardust457/sldr
Defensive ToolsMachine LearningPapers & ResearchAI SecurityAdversarial Attack
GitHubstardust457/sldr

SLDR

LLM의 악의적인 파인튜닝을 선택적 레이어 복구와 동적 라우팅으로 완화하는 방어 프레임워크로, 학습, 유해성 점수 산정, 탈옥 평가 스크립트를 포함합니다.

저장소 보기
211001개월 전아직 검토되지 않음
공유

[NeurIPS 2026] SLDR: 선택적 레이어 복구와 동적 라우팅을 통한 악성 파인튜닝 방어

🔧 환경 설정

저장소를 클론하고, Conda 환경을 생성 및 활성화한 다음, 필요한 의존성을 설치합니다:

git clone https://github.com/Stardust457/SLDR.git
cd SLDR

conda create -n sldr python=3.12 -y

conda activate sldr

python -m pip install --upgrade pip

python -m pip install -r requirements.txt

🔑 Llama 모델 접근 및 다운로드

Llama 모델은 Hugging Face에서 접근 요청이 필요합니다.

모델을 사용하기 전에 Hugging Face에 로그인하고, Meta Llama 아래에서 원하는 모델의 페이지를 방문하여 이용 약관에 동의하고 접근 요청을 제출하세요. 접근이 승인되면, 동일한 계정으로 Access Tokens 설정 페이지에서 대상 모델에 대한 읽기 권한이 있는 Access Token을 생성하세요. 자세한 내용은 Hugging Face gated 모델 가이드를 참조하세요.

먼저, Bash 터미널에서 HF-Mirror를 설정합니다:

export HF_ENDPOINT="https://hf-mirror.com"

그런 다음, 다음 명령을 실행하여 로그인합니다:

hf auth login

메시지가 표시되면 새로 생성한 Hugging Face Access Token을 입력하세요.


🚀 학습 및 평가

저장소 루트에서 다음 명령을 실행하여 각 모델을 학습하고 평가합니다:

Llama 3.1

bash scripts/run_llama31_downstream.sh

Llama 3

bash scripts/run_llama3_downstream.sh

Qwen 2.5

bash scripts/run_qwen25_downstream.sh

Mistral

bash scripts/run_mistral_downstream.sh

Llama Guard 배포 및 유해성 점수 산정

모델 응답을 수집한 후, Llama Guard를 배포하고 터미널에서 서비스를 시작합니다:

bash scripts/run_llama_guard.sh serve

이 터미널을 계속 실행 상태로 두고 서비스가 준비될 때까지 기다립니다. 그런 다음, 다른 터미널을 열고 sldr 환경을 활성화한 후, 저장소 루트에서 다음 명령을 실행하여 모델 응답의 유해성을 점수화합니다:

bash scripts/run_llama_guard.sh score

⚠️ 중요 알림: Alpaca 평가

Alpaca 데이터셋에서 Llama 3.1 평가를 실행하기 전에, 동일한 터미널에서 GPT judge의 API base URL과 API 키를 설정하세요:

export GPT_JUDGE_BASE_URL='your base url'
export OPENAI_API_KEY='your API key'

평가를 시작하기 전에 플레이스홀더를 실제 API base URL과 API 키로 교체하세요.

추가 유해 벤치마크 평가

해당 다운스트림 체크포인트를 생성한 후, 다음 명령을 실행하여 DirectHarm4, HarmBench, HEx-PHI를 포함한 추가 유해 벤치마크에서 Llama 3.1을 평가합니다:

DATASETS="sst2" \
POISON_RATIOS="0.1" \
SEEDS="42" \
VARIANTS="defended" \
bash /root/scripts/run_llama31_harm_benchmarks.sh

Zulu 및 IJP 탈옥 평가

해당 다운스트림 체크포인트를 사용하여 Zulu 및 IJP 탈옥 공격에 대해 Llama 3.1을 평가하려면 다음 명령을 실행합니다:

DATASETS="sst2" \
POISON_RATIOS="0.1" \
TRAIN_SAMPLES="1000" \
SEEDS="42" \
VARIANTS="defended" \
JAILBREAK_ATTACKS="zulu ijp" \
bash /root/scripts/run_llama31_jailbreak.sh

참고: Zulu 데이터셋에 대해 생성된 모델 응답은 Llama Guard를 사용하여 유해성을 평가하기 전에 영어로 번역해야 합니다.


도구 다운로드

인기

모두 보기 →

커뮤니티에서 가장 많이 사용되는 도구를 찾아보세요.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 궁극의 OSINT 툴킷: 조사 그래프, 신뢰도 점수 산정, 별칭 패밀리, 지도, 타임라인 및 보고서. 49개 모듈, 400개 이상 사이트, API 키 불필요.

    732
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # GhostLock 원탭 실행 앱 (CVE-2026-43499)

    506
  • 3

    ARTEX

    baarai/artex

    LLM 멀티 에이전트 자율 침투 테스트 플랫폼으로, 플래너/워커 에이전트, 자산 및 탐색 그래프, MITM 트래픽 기록, 취약점 재테스트 기능을 제공합니다.

    405
  • 4

    redforge

    cybersecurity91/redforge

    브라우저 측 레드 팀 툴킷으로, 정찰, 페이로드 생성, 자격 증명 공격, 암호화, 인코딩 및 참여 보고를 위한 102개의 오프라인 도구를 제공합니다.

    342
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI 네이티브 사이버보안을 위한 행동 체계—의도가 통제된 실행이 되고, 증거가 운영 메모리가 되며, 모든 운영이 다음 운영을 개선하는 곳.

    261
  • 6

    antifox

    antifox-ai/antifox

    정찰, 공격 표면 탐색, 익스플로잇 검증, 증거 기반 보고서 전달을 수행하는 AI 멀티 에이전트 자율 침투 테스트 플랫폼입니다.

    259

모든 도구 탐색

도구 컬렉션을 둘러보세요

모든 도구 보기 →