Skip to content
KitploitKITPLOIT
FerramentasExploitsBlog
Log in
Enviar
FerramentasExploitsBlog
Enviar

Ferramentas de Hacking, PenTest e Cibersegurança para o seu Arsenal de Segurança!

Kitploit é um diretório de ferramentas de hacking, cibersegurança e pentesting. Descubra as últimas atualizações de projetos para encontrar vulnerabilidades, analisar sistemas, automatizar testes e fortalecer sua segurança.

FeedsContatoPrivacidade© 2026 Kitploit

Diretório de Ferramentas

Categorias

Ver todas as categorias
Loading categories
Ferramentas/GitHubGitHub/microsoft/responsible-ai-toolbox
Utilitários e FrameworksAprendizado de MáquinaAprendizado e EducaçãoAtaque AdversárioLabs e PráticaTop em Ataque Adversário nº17Top em Aprendizado de Máquina nº18
Compartilhar
GitHubmicrosoft/responsible-ai-toolbox

responsible-ai-toolbox

Dashboards interativos e bibliotecas para depuração responsável de modelos de IA, abrangendo análise de erros, justiça, interpretabilidade, contrafactuais, análise causal e balanceamento de dados.

Ver RepositórioSite
1.9k51060há 17h 43mRevisado pelo Kitploit

MIT license

Responsible AI Widgets Python Build UI deployment to test environment

PyPI raiwidgets PyPI responsibleai PyPI erroranalysis PyPI raiutils PyPI rai_test_utils

npm model-assessment

Responsible AI Toolbox

IA Responsável é uma abordagem para avaliar, desenvolver e implantar sistemas de IA de maneira segura, confiável e ética, e tomar decisões e ações responsáveis.

O Responsible AI Toolbox é um conjunto de ferramentas que oferece uma coleção de interfaces de usuário e bibliotecas de exploração e avaliação de modelos e dados que permitem uma melhor compreensão dos sistemas de IA. Essas interfaces e bibliotecas capacitam desenvolvedores e partes interessadas de sistemas de IA a desenvolver e monitorar IA de forma mais responsável e a tomar melhores decisões baseadas em dados.

ResponsibleAIToolboxOverview

A Toolbox consiste em três repositórios:

 

RepositórioFerramentas Abordadas
Repositório Responsible-AI-Toolbox (Aqui)Este repositório contém quatro widgets de visualização para avaliação de modelos e tomada de decisão:
1. Responsible AI dashboard, um painel único que reúne diversas ferramentas maduras de IA Responsável da Toolbox para uma avaliação responsável e holística, depuração de modelos e tomada de decisões de negócio informadas. Com este dashboard, você pode identificar erros de modelo, diagnosticar por que esses erros estão ocorrendo e mitigá-los. Além disso, os recursos de tomada de decisão causal fornecem insights acionáveis para suas partes interessadas e clientes.
2. Error Analysis dashboard, para identificar erros de modelo e descobrir coortes de dados para as quais o modelo tem desempenho insatisfatório.
3. Interpretability dashboard, para compreender as previsões do modelo. Este dashboard é desenvolvido com o InterpretML.
4. Fairness dashboard, para compreender os problemas de justiça do modelo usando várias métricas de justiça de grupo em características e coortes sensíveis. Este dashboard é desenvolvido com o Fairlearn.
Repositório Responsible-AI-Toolbox-MitigationsA Biblioteca de Mitigações de IA Responsável ajuda profissionais de IA a explorar diferentes medidas e etapas de mitigação que podem ser mais apropriadas quando o modelo tem desempenho insatisfatório para uma determinada coorte de dados. A biblioteca atualmente tem dois módulos:
1. DataProcessing, que oferece técnicas de mitigação para melhorar o desempenho do modelo para coortes específicas.
2. DataBalanceAnalysis, que fornece métricas para diagnosticar erros originados de desequilíbrio de dados, seja em rótulos de classe ou valores de características.
3. Cohort: fornece classes para lidar e gerenciar coortes, o que permite a criação de pipelines personalizados para cada coorte em uma interface fácil e intuitiva. O módulo também fornece técnicas para aprender diferentes estimadores (modelos) desacoplados para diferentes coortes e combiná-los de uma forma que otimiza diferentes definições de justiça de grupo.
Repositório Responsible-AI-TrackerO Responsible AI Toolbox Tracker é uma extensão do JupyterLab para gerenciar, rastrear e comparar resultados de experimentos de aprendizado de máquina para melhoria de modelos. Com esta extensão, os usuários podem visualizar modelos, código e artefatos de visualização dentro do mesmo framework, permitindo assim processos rápidos de iteração e avaliação de modelos. As principais funcionalidades incluem:
1. Gerenciar e vincular artefatos de melhoria de modelos
2. Avaliação e comparação desagregada de modelos
3. Integração com a biblioteca Responsible AI Mitigations
4. Integração com mlflow
Repositório Responsible-AI-Toolbox-GenBitA Biblioteca de Viés de Gênero de IA Responsável (GenBit) ajuda profissionais de IA a medir o viés de gênero em conjuntos de dados de Processamento de Linguagem Natural (PLN). O principal objetivo do GenBit é analisar seus corpora de texto e calcular métricas que forneçam insights sobre o viés de gênero presente em um corpus.

Apresentando o Responsible AI dashboard

O Responsible AI dashboard é um painel único que permite navegar facilmente por diferentes estágios de depuração de modelos e tomada de decisão. Essa experiência personalizável pode ser conduzida em diversas direções, desde analisar o modelo ou os dados de forma holística, até realizar uma análise aprofundada ou comparação de coortes de interesse, explicar e perturbar previsões do modelo para instâncias individuais e informar os usuários sobre decisões e ações de negócio.

ResponsibleAIDashboard

Para alcançar esses recursos, o dashboard integra ideias e tecnologias de vários kits de ferramentas de código aberto nas áreas de

  • Error Analysis desenvolvido por Error Analysis, que identifica coortes de dados com taxa de erro maior do que o benchmark geral. Essas discrepâncias podem ocorrer quando o sistema ou modelo tem desempenho insatisfatório para grupos demográficos específicos ou condições de entrada pouco frequentes nos dados de treinamento.

  • Avaliação de Justiça desenvolvida por Fairlearn, que identifica quais grupos de pessoas podem ser impactados de forma desproporcionalmente negativa por um sistema de IA e de que maneiras.

  • Interpretabilidade de Modelos desenvolvida por InterpretML, que explica modelos caixa-preta, ajudando os usuários a compreender o comportamento global do modelo ou as razões por trás de previsões individuais.

Baixar ferramenta

Mais Populares

Ver todos →

Descubra as ferramentas mais usadas pela nossa comunidade.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 O kit definitivo de OSINT: grafo de investigação, pontuação de confiança, famílias de alias, mapa, linha do tempo e relatórios. 49 módulos, mais de 400 sites, sem necessidade de chaves de API.

    614
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Aplicativo de Execução em Um Toque GhostLock (CVE-2026-43499)

    476
  • 3

    ARTEX

    baarai/artex

    Plataforma autônoma de testes de penetração multiagente com LLM, com agentes planejador/executor, grafos de ativos e de exploração, registro de tráfego MITM e reteste de vulnerabilidades.

    389
  • 4

    redforge

    cybersecurity91/redforge

    Kit de ferramentas de red team do lado do navegador com 102 ferramentas offline para reconhecimento, geração de payloads, ataques a credenciais, criptografia, codificação e relatórios de engajamento.

    334
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    O sistema de ação para cibersegurança nativa em IA—onde a intenção se torna execução governada, a evidência se torna memória operacional, e cada operação melhora a próxima.

    257
  • 6

    antifox

    antifox-ai/antifox

    Plataforma de testes de penetração autónoma com multiagentes de IA que executa reconhecimento, descoberta de superfície de ataque, validação de exploração e entrega de relatórios com evidências.

    247

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →