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
LMSM — LLM을 위한 생성 시점 안전 프레임워크로, 내부 모델 신호를 명시적 규칙 및 요청별 정책에 매핑하여 Hugging Face 및 vLLM 런타임에서 허용, 거부 또는 종료 조치를 시행합니다. | Kitploit
도구/GitHubGitHub/xiuyuz/lmsm
Defensive ToolsConfiguration AuditingUtilities & FrameworksMachine LearningPapers & ResearchAI Security
GitHubxiuyuz/lmsm

LMSM

LLM을 위한 생성 시점 안전 프레임워크로, 내부 모델 신호를 명시적 규칙 및 요청별 정책에 매핑하여 Hugging Face 및 vLLM 런타임에서 허용, 거부 또는 종료 조치를 시행합니다.

저장소 보기
112개월 전아직 검토되지 않음
공유

LMSM

LMSM은 언어 모델을 위한 생성 시점 안전 기반(safety substrate)입니다. 내부 모델 신호를 작고 명시적인 안전 규칙에 연결하고, 요청별로 정책 상태를 유지하며, 활성 규칙이 트리거되는 요청만 중재합니다.

전체 설계와 평가는 LMSM: LLM Security Framework Inspired by Linux Security Modules를 참조하십시오.

핵심 제어 경로는 다음과 같습니다:

Targets -> Backend bindings -> Rules -> Policy bundle
                                      |
model forward -> request-keyed backend evaluation -> composition -> action -> response

제어 평면 개념

  • Target은 사이버 범죄나 괴롭힘처럼 규칙이 탐지할 수 있는 하나의 행동과, 해당 규칙이 적용되는 범위를 지정합니다.
  • Backend binding은 명명된 신호 채널을 활성화 지점 및 피팅된 dense probe, SAE 또는 transcoder 백엔드에 연결합니다.
  • Rule은 하나의 target을 백엔드 채널, 보정된 조건, 후보 액션에 바인딩합니다. 규칙은 독립적이며 재사용할 수 있습니다.
  • Policy bundle은 활성 규칙, 해당 규칙의 시간적 스케줄, 고정된 OR 조합 순서, 그리고 후보 액션에서 런타임 액션으로의 매핑을 선택합니다.

생성 과정에서 LMSM은 평가된 모든 행을 해당 요청 ID와 연결합니다. 따라서 vLLM이 여러 요청을 하나의 forward pass에 묶더라도 각 요청은 자체적인 실행 점수, 임계값 상태, 액션 이력을 갖습니다. 런타임은 선택된 행에만 액션을 적용하며, 다른 행은 정상적으로 계속 진행됩니다.

포함된 프로필

profiles/ 아래의 이식 가능한 YAML 파일들은 네 가지 바로 사용 가능한 구성을 정의합니다:

프로필스케줄
LMSM-Checkpoint프롬프트와 두 개의 생성 토큰 윈도를 풀링한 뒤, 64단계에서 이들의 보정된 융합을 평가합니다.
LMSM-Anytime생성되는 매 단계마다 실행 접두사 점수를 갱신하고, 처음 임계값을 넘는 시점에 작동합니다.
LMSM-Transcoder프롬프트 및 생성 과정에서 보정된 Qwen3 transcoder 특징을 추적한 뒤, 처음 임계값을 넘는 시점에 작동합니다.
LMSM-SAE프롬프트 및 생성 과정에서 보정된 Gemma Scope SAE 특징을 추적한 뒤, 처음 임계값을 넘는 시점에 작동합니다.

Checkpoint와 Anytime은 표준화된 dense 선형 probe를 사용합니다. Transcoder와 SAE는 나머지 두 백엔드 유형에 대한 완전한 아티팩트 기반 예제를 제공합니다: 각각은 보정된 특징 좌표와 임계값을 가진 여섯 개의 독립적인 의미 규칙을 포함합니다. 정책은 백엔드 정의를 변경하지 않고 전체 규칙 집합 또는 임의의 부분 집합을 활성화할 수 있습니다.

각 프로필은 target 순서, 백엔드 세부 정보, 규칙 선택, 스케줄링, 조합, 그리고 공개 allow, refuse, terminate 액션으로의 매핑을 하나의 DeploymentProfile 객체에 담아 유지합니다. 바인딩, 개별 규칙, 규칙 라이브러리, 정책 번들은 사람이 읽을 수 있는 간단한 버전 문자열을 사용합니다.

포함된 빌더들은 위의 스케줄을 구현합니다. 사용자 정의 정책 평가기는 동일한 제어 평면 및 적용 인터페이스에 대해 추가적인 스케줄 의미 체계를 구현할 수 있습니다.

설치

LMSM은 Python 3.10 이상이 필요합니다. 기본 라이브러리와 사용하려는 선택적 런타임을 설치하십시오:

python -m venv .venv
. .venv/bin/activate
python -m pip install -e '.[hf]'

오프라인 vLLM 통합의 경우:

python -m pip install -e '.[hf,vllm]'

LMSM-SAE을 사용하려면 SAE extra를 설치하세요:

python -m pip install -e '.[hf,sae]'

포함된 인프로세스 vLLM 어댑터는 워커 1개와 텐서 및 파이프라인 병렬 크기 1을 사용하는 vLLM 0.19.0을 대상으로 합니다. 이 어댑터는 특정 모델 아키텍처를 가정하지 않고, 활성 백엔드 바인딩과 로드된 모델로부터 활성화 모듈, pre/post 훅 모드, 히든 너비를 읽습니다. Hugging Face 통합은 동일한 프로필 선택 활성화 지점을 사용합니다.

Hugging Face 사용법

from pathlib import Path

from transformers import AutoModelForCausalLM, AutoTokenizer

from lmsm import build_transformers_engine, load_profile

root = Path("/path/to/LMSM")
model_id = "Qwen/Qwen3-4B"
profile = load_profile(root / "profiles/lmsm_anytime.yaml")
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

engine = build_transformers_engine(model, tokenizer, profile, root)
print(engine.generate("Explain how photosynthesis works."))

정책의 일부만 필요할 때 엔진을 구축하기 전에 독립적인 규칙을 선택하십시오:

profile = profile.with_active_rules([
    "chemical_biological",
    "cybercrime_intrusion",
])

build_transformers_engine에서 actions_enabled=False을 설정하면 응답을 변경하지 않고 정책을 평가합니다.

vLLM 사용법

scripts/run_vllm.py는 id 및 prompt 필드가 포함된 JSONL 행을 받아 outputs.jsonl, actions.jsonl, timings.csv을 기록합니다:

python scripts/run_vllm.py \
  --model Qwen/Qwen3-4B \
  --profile profiles/lmsm_anytime.yaml \
  --input examples/requests.jsonl \
  --run-dir runs/anytime \
  --physical-gpu 0

--active-rule RULE_ID를 반복하면 선택한 규칙 하위 집합을 실행합니다. 예를 들어, --active-rule chemical_biological --active-rule cybercrime_intrusion은 선택한 프로필에서 해당 두 규칙만 활성화합니다.

테스트

저장소에는 개발 중에 사용되는 빠른 CPU 테스트 스위트가 포함되어 있습니다:

python -m pip install -e '.[dev]'
python -m pytest -q

이 테스트들은 라이브러리 인터페이스와 제공된 프로필 계약을 다룹니다. GPU 벤치마크 재현은 reproduction/에 별도로 문서화되어 있습니다.

라이선스

LMSM 소스 코드와 프로젝트에서 작성한 문서는 MIT 라이선스를 사용합니다. 모델과 백엔드 아티팩트는 자체 라이선스를 유지합니다.

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.

    1.1k
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    603
  • 3

    looking-glass

    anonghosty/looking-glass

    Shadowserver 보고서를 MongoDB로 수집하고 이를 대화형 지도, 분석, 발견 사항, 권고 및 경영진 대시보드로 재생하는 CSIRT 플랫폼입니다.

    390
  • 4

    ARTEX

    baarai/artex

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

    321
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

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

    301
  • 6

    redforge

    cybersecurity91/redforge

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

    263

모든 도구 탐색

도구 컬렉션을 둘러보세요

모든 도구 보기 →