Skip to content
KitploitKITPLOIT
FerramentasBlog
Enviar
FerramentasBlog
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.

··Feeds·Contato·Privacidade·© 2026 Kitploit

Diretório de Ferramentas

Categorias

Ver todas as categorias
Loading categories
ai-llm-red-team-handbook — Manual de Campo de Red Team de IA / LLM e Guia do Consultor | Kitploit
Ferramentas/GitHubGitHub/shiva108/ai-llm-red-team-handbook
Frameworks de ExploraçãoAnálise de VulnerabilidadesTestes de PenetraçãoInteligência de AmeaçasAprendizado de MáquinaAprendizado e EducaçãoRed TeamingSegurança de IAAtaque Adversário
GitHubshiva108/ai-llm-red-team-handbook

ai-llm-red-team-handbook

Manual de Campo de Red Team de IA / LLM e Guia do Consultor

3246251há 4 mesesRevisado pelo Kitploit
Ver Repositório

Mais Populares

Ver todos →

Descubra as ferramentas mais usadas pela nossa comunidade.

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →
Compartilhar

Manual de Campo de Red Team de IA/LLM e Manual do Consultor

Banner do Repositório

License Python Status Version Last Updated

Um kit de ferramentas operacional abrangente para conduzir avaliações de red team de IA/LLM em Modelos de Linguagem de Grande Porte, agentes de IA, pipelines de RAG e aplicações habilitadas por IA. Este repositório fornece tanto orientação tática de campo quanto estruturas estratégicas de consultoria.

📖 Navegação no GitBook: Consulte SUMMARY.md para a estrutura completa de capítulos.

📚 Visão Geral

Este repositório representa a versão Gold Master do Manual de Red Team de IA/LLM. Ele contém um currículo totalmente padronizado, com 46 capítulos, abrangendo todo o espectro da segurança de IA — desde injeção de prompt e jailbreaking até aprendizado de máquina adversarial e ataques a aprendizado federado.

Recursos Principais

  1. Manual de Red Team de IA/LLM (46 capítulos, concluído)
    • Guia profissional de consultoria com metadados padronizados, resumos e navegação.
    • Aborda Ética, Arquiteturas, Segurança de RAG, Ameaças de Agentes e Conformidade (EU AI Act/ISO 42001).
  2. Manual de Campo do Red Team de IA/LLM
    • Referência operacional compacta para uso em campo (checklists, payloads, metodologia).
  3. Framework de Testes em Python (scripts/)
    • Suites automatizadas para injeção de prompt, fuzzing e validação de segurança.

📁 Estrutura do Repositório

root@kitploit:~
ai-llm-red-team-handbook/
├── docs/                                   # The Handbook (Chapters 01-46)
│   ├── archive/                            # Historical versions
│   ├── assets/                             # Diagrams, charts, and visual aids
│   ├── field_manuals/                      # Operational checklists and quick-refs
│   ├── templates/                          # Report and SOW templates
│   └── SUMMARY.md                          # Master Table of Contents
├── scripts/                                # Automated testing tools (Python)
├── workflows/                              # CI/CD and automation workflows
├── .agent/                                 # Agentic memory and context
├── LICENSE                                 # CC BY-SA 4.0 License
└── README.md                               # This file

🚀 Instalação e Uso

1. Exploração Manual (O Manual)

A principal forma de utilizar este repositório é como referência.

  • Comece por SUMMARY.md para navegar por todos os capítulos.
  • Consulte o Manual de Campo para consultas rápidas durante um engagement.

2. Ambiente de Testes Automatizados

Para executar os scripts fornecidos de varredura e fuzzing em Python:

Pré-requisitos:

  • Python 3.8+
  • Acesso via API a um LLM alvo (OpenAI, Anthropic ou Ollama local)

Configuração:

root@kitploit:~
# Clone the repository
git clone https://github.com/shiva108/ai-llm-red-team-handbook.git
cd ai-llm-red-team-handbook

# Install dependencies
cd scripts
pip install -r config/requirements.txt

Executando Testes:

root@kitploit:~
# Set up your environment variables (API Keys)
cp .env.example .env
nano .env

# Run the test runner
python examples/runner.py --target "gpt-4" --test "prompt_injection"

📖 Roteiro de Capítulos (Concluído)

Este manual está dividido em 8 partes estratégicas. Todos os capítulos estão agora completos e auditados.

Parte I: Fundamentos Profissionais

  • Cap. 01-04: Introdução, Ética, Mentalidade, Regras de Engajamento.

Parte II: Preparação do Projeto

  • Cap. 05-08: Modelagem de Ameaças, Escopo, Configuração do Laboratório, Cadeia de Custódia.

Parte III: Fundamentos Técnicos

  • Cap. 09-11: Arquiteturas de LLM, Tokens, Plugins/APIs.

Parte IV: Segurança de Pipeline

  • Cap. 12-13: Pipelines de RAG, Segurança da Cadeia de Suprimentos.

Parte V: Ataques e Técnicas

  • Cap. 14-24: Injeção de Prompt, Vazamento de Dados, Jailbreaking, Exploração de API, Evasão, Envenenamento, Roubo de Modelo, DoS, Multimodal, Engenharia Social.

Parte VI: Defesa e Mitigação

  • Cap. 25-30: ML Adversarial, Defesa da Cadeia de Suprimentos, Aprendizado Federado, Privacidade, Inversão de Modelo, Backdoors.

Parte VII: Operações Avançadas

  • Cap. 31-39: Reconhecimento, Frameworks de Ataque, Automação, Evasão de Defesa, Pós-Exploração, Relatórios, Remediação, Red Teaming Contínuo, Programas de Bug Bounty.

Parte VIII: Tópicos Avançados

  • Cap. 40-46: Conformidade (EU AI Act), Melhores Práticas do Setor, Estudos de Caso, Futuro do Red Teaming, Ameaças Emergentes, Construção de Programa, Conclusão.

🤝 Contribuição

Aceitamos contribuições para manter este manual vivo e em constante evolução.

  1. Fork o repositório.
  2. Crie um branch de funcionalidade (git checkout -b feature/new-jailbreak).
  3. Envie um Pull Request com uma descrição clara da alteração.
  4. Certifique-se de que todo o novo conteúdo segue o Modelo de Capítulo em docs/templates/.

⚠️ Aviso Legal

Somente para Testes de Segurança Autorizados.

As técnicas e ferramentas descritas neste repositório têm finalidade educacional e destinam-se ao uso por profissionais de segurança autorizados para testar sistemas que possuem ou sobre os quais têm permissão explícita para testar.

  • Não use essas ferramentas em LLMs públicos (ex.: ChatGPT, Claude) sem cumprir seus Termos de Serviço.
  • Não use essas técnicas para fins maliciosos.

Os autores e contribuidores não aceitam qualquer responsabilidade pelo uso indevido deste material.

📬 Contato

  • Problemas: GitHub Issues
  • Licença: CC BY-SA 4.0

Versão: 1.46.263

Baixar ferramenta