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
lm-fingerprint — 토크나이저 및 동작 신호로 OpenAI 호환 LLM의 지문을 식별합니다. | Kitploit
도구/GitLabGitLab/wattocyber/lm-fingerprint
ReconnaissanceInformation GatheringPenetration TestingRed TeamingAPI SecurityAI Security
GitLabwattocyber/lm-fingerprint

lm-fingerprint

토크나이저 및 동작 신호로 OpenAI 호환 LLM의 지문을 식별합니다.

저장소 보기
712개월 전아직 검토되지 않음
공유
웹사이트

LM-Fingerprint

LM-Fingerprint

OpenAI 호환 채팅 엔드포인트 뒤에 있는 서빙 스택의 지문을 채취합니다.

토크나이저 회계, 숨겨진 템플릿 오프셋, 검증 문구, JSON/SSE 형태, 역할 수용 여부, 명명된 한도, 게이트웨이 헤더를 기록합니다. 가중치를 로드하지 않고, API 키를 저장하지 않으며, 모델에게 자신이 누구인지 묻지 않습니다.

Importlm_fingerprint
CLIlm-fingerprint
What/chat/completions에 대한 버전 관리된 인프라 프로브. 오프라인 합성 라이브러리. 로컬 Hugging Face 토크나이저 검증(가중치 없음).
What it is not그래디언트 공격이 아닙니다. 탈옥이 아닙니다. 인코드 맵 신원(tokprint)이 아닙니다. "이 포트에 어떤 바이너리가 있는가"(Julius)가 아닙니다.

python license repro

승인된 사용만: 소유한 엔드포인트, 통제하는 랩, 범위 내 바운티, 서면 침투 테스트. SECURITY.md를 참조하세요. --api-key-env는 환경 변수 이름을 지정합니다. 키는 절대 기록되지 않습니다.

목차

  1. 문제
  2. 지문이란 무엇인가
  3. 아키텍처
  4. 위협 모델
  5. 설치 및 재현 게이트
  6. 첫 실행
  7. 라이브 엔드포인트 대상
  8. 로컬 Hugging Face 토크나이저
  9. CLI
  10. 라이브러리
  11. 결과 JSON 읽기
  12. Measured vs ModelPrint
  13. 정직성 규칙
  14. 주변 도구
  15. 라이선스

문제

OpenAI 호환 채팅은 흔한 와이어입니다. vLLM, SGLang, 랩 게이트웨이, 리셀러 모두 /chat/completions를 말할 수 있습니다. model 필드는 라벨입니다. 호스트는 백엔드를 교체하거나, 토크나이저를 감싸거나, 앞단에 라우터를 둘 수 있습니다. 성격 프로브는 시스템 프롬프트가 바뀌면 함께 움직입니다.

그대로 남는 것은 배관입니다: 서버가 토큰을 세는 방식, 추가하는 숨겨진 템플릿 토큰 수, 검증기가 작성한 문구, SSE 방언, 수용하는 역할, max_tokens가 터무니없을 때 명명하는 숫자, Server / 제공자 헤더.

이 도구가 답하는 질문은 이것입니다: 이 채팅 경로를 처리하는 스택은 무엇인가? 어떤 체크포인트인지, 어떤 프로세스가 포트에 바인딩되었는지, 누가 완성을 작성했는지가 아닙니다.

ModelPrint는 브라우저에서 아홉 개의 프로브로 같은 질문을 했습니다. 이 패키지는 CLI 및 라이브러리 형태입니다: 버전 관리된 프로브, 등록 가능한 라이브러리, 쌍별 증거, 드리프트, 그리고 호스팅 Inference API를 절대 호출하지 않는 로컬 토크나이저 경로.

지문이란 무엇인가

지문은 프로브 value들의 버전 관리된 JSON 기록입니다. 각 프로브는 같은 스택을 두 번 타격했을 때 같은 값을 반환해야 합니다. 타임스탬프, 요청 id, 지연 시간, 키는 제거됩니다.

토크나이저 카운트는 ModelPrint 1.0.0 텍스트(MIT, unclecode/modelprint)를 재사용하며, 바이트 단위로 정확하고, 숨겨진 템플릿이 상쇄되도록 한 문자 "a" 기준선을 뺍니다. 그 네 숫자는 인코드 맵 (T)의 투영입니다. 카운트가 같다고 해서 (T_1 \equiv T_2)인 것은 아닙니다. GPT-2와 OPT는 이들에서 충돌합니다; rust 파이프라인 해시는 그렇지 않습니다.

hf_identity(로컬 HF 경로 전용)는 해당 파이프라인 커밋먼트의 SHA-256에 채팅 템플릿 해시를 더한 값입니다. 같은 (T)와 같은 템플릿이 일치합니다 (tiny-gpt2 / gpt2). 그것은 패밀리 + 템플릿이지, 체크포인트가 아닙니다.

아키텍처

레이아웃:

src/lm_fingerprint/
 cli.py argparse. --api-key-env only. No --api-key.
 client.py HttpTransport, InProcessTransport, redact_secrets
 probes.py 38 ProbeSpec rows (tokenizer / errors / shape / roles / limits / proxy / surface)
 engine.py run suite → Fingerprint
 schema.py schema_version=1, probe_suite_version=lm-fingerprint-probes-v2
 similarity.py weighted exact-match, coverage, confidence, library rank, drift
 align.py constant-shift MAE + residual on the 15-script suite
 catalog.py offline supported_parameters twins
 library.py enroll / match. Packaged rows are synthetic fixtures
 synthetic.py in-process stacks for tests and the shipped library
 hf.py local AutoTokenizer + named validation profile. No weights
 localmap.py encode-pipeline-v2 commitment (rust tokenizer.json)
 proof.py measured ModelPrint 9-probe identity
 report.py text reports
 data/library.json

동일한 프로브 스위트로 들어가는 두 가지 경로:

live endpoint local Hub tokenizer (optional [hf])
 | |
 HttpTransport.chat HfChatTransport
 POST /chat/completions encode / chat_template for counts
 | synthetic profile for errors/shape
 +------------------+----------------------+
 |
 engine.run_probes
 |
 Fingerprint (JSON, keyless)
 |
 compare | match | drift | enroll

프로브 작성: docs/PROBES.md. 모듈 맵: docs/ARCHITECTURE.md.

위협 모델

보유한 것관찰할 수 있는 것이 도구가 하는 일
권한이 부여된 OpenAI 호환 base URL + 키채팅 HTTP: usage, 오류, 헤더, SSEfingerprint / compare / match / drift
로컬 토크나이저 파일encode 및 chat_templatefingerprint-hf / verify-hf. 가중치는 디스크에 그대로 유지됨
host:port 외에는 아무것도 없음배너 / /health / /api/tags범위 외. Julius 사용

일치(match)는 공유 인프라를 의미한다. 하나의 랩이 하나의 스택에서 두 개의 체크포인트를 서빙할 수 있다. 라우터는 자체 오류 래퍼로 응답할 수 있다. 카운트 일치는 (T)의 동일성을 의미하지 않는다.

설치 및 재현 게이트

Python 3.10+. 핵심 런타임은 표준 라이브러리이다.

git clone https://gitlab.com/WattoCyber/lm-fingerprint.git
cd lm-fingerprint
pip install -e ".[dev]"
PYTHONPATH=src python3 scripts/repro.py

REPRO_OK가 나올 것으로 예상합니다. 이 게이트는 오프라인입니다: GPU도, 프로덕션 API도 없습니다. 로컬 HF 테스트는 토크나이저가 캐시되어 있지 않으면 건너뜁니다.

pip install -e ".[hf]" # transformers, for fingerprint-hf / verify-hf

첫 실행

lm-fingerprint list-probes
lm-fingerprint list

list는 패키징된 스택인 openai-chat-strict, glm-compat, router-openai, permissive-compat를 출력합니다. 이들은 스크래핑된 프로바이더가 아니라 픽스처입니다. 네트워크 없이 그중 두 개를 비교하려면:

from lm_fingerprint.client import InProcessTransport
from lm_fingerprint.engine import fingerprint_endpoint
from lm_fingerprint.similarity import compare_fingerprints
from lm_fingerprint.synthetic import SYNTHETIC_STACKS, handler_for

def fp(stack_id):
 t = InProcessTransport(handler_for(stack_id), headers=SYNTHETIC_STACKS[stack_id].headers)
 return fingerprint_endpoint(t, model=f"synthetic/{stack_id}", base_url=f"inprocess://{stack_id}")

print(compare_fingerprints(fp("openai-chat-strict"), fp("router-openai"))["note"])

동일한 단어 토크나이저, 다른 오류와 헤더. 점수는 약 0.62에 도달한다. ModelPrint의 네 가지 카운트는 일치하지만, 이 도구는 그것을 공유 스택이라고 부르지 않는다.

라이브 엔드포인트 대상

lm-fingerprint fingerprint \
 --base-url https://your-lab.example/v1 \
 --model the-label \
 --api-key-env OPENAI_API_KEY \
 --out lab.json

lm-fingerprint match --fingerprint lab.json
lm-fingerprint enroll --fingerprint lab.json --stack-id my-lab --library my-lib.json

명령줄에 키를 전달하지 마세요. 공개 라이브러리를 채우기 위해 프로덕션 API를 스크래핑하지 마세요.

로컬 Hugging Face 토크나이저

lm-fingerprint fingerprint-hf --model sshleifer/tiny-gpt2 --local-files-only
lm-fingerprint verify-hf --local-files-only

개수는 템플릿이 존재할 경우 apply_chat_template에서 가져오고, 그렇지 않으면 encode(..., add_special_tokens=False)에서 가져옵니다. 오류 분류 체계는 명명된 합성 프로필(기본값 openai-chat-strict)에서 가져오므로 실행은 오프라인으로 유지됩니다. 원격 핸들(https://, api://, …)은 거부됩니다.

CLI

lm-fingerprint list-probes
lm-fingerprint list [--library PATH]
lm-fingerprint fingerprint --base-url URL --model MODEL --api-key-env VAR [--out PATH]
lm-fingerprint fingerprint-hf --model HANDLE [--profile NAME] [--local-files-only]
lm-fingerprint verify-hf [--models a,b,c] [--local-files-only]
lm-fingerprint prove [--local-files-only]
lm-fingerprint compare --a a.json --b b.json
lm-fingerprint match --fingerprint a.json [--library PATH]
lm-fingerprint drift --baseline old.json --current new.json
lm-fingerprint enroll --fingerprint a.json --stack-id ID --library PATH
lm-fingerprint export --fingerprint a.json

--api-key 플래그는 없습니다. 이전 wireprint-fingerprint / stackprint-fingerprint JSON은 여전히 로드됩니다.

라이브러리

from lm_fingerprint import (
 StackLibrary,
 compare_fingerprints,
 fingerprint_endpoint,
 fingerprint_hf,
 match_library,
)
from lm_fingerprint.client import HttpTransport

fp = fingerprint_endpoint(HttpTransport(url, api_key=key), model="x", base_url=url)
hit = match_library(fp, StackLibrary.load())
local = fingerprint_hf("sshleifer/tiny-gpt2", local_files_only=True)

결과 JSON 읽기

schema_version = 1, probe_suite_version = lm-fingerprint-probes-v2.

도구 다운로드

인기

모두 보기 →

커뮤니티에서 가장 많이 사용되는 도구를 찾아보세요.

아직 인기 데이터가 없습니다.

모든 도구 탐색

도구 컬렉션을 둘러보세요

모든 도구 보기 →