RLCDAlignBench
sumleo/rlcdalignbenchBenchmark suite and code for detecting AI alignment failures, with 44 benchmarks across ten failure types and a zero-shot RLCD detector evaluated on…
vulnerability-analysismachine-learningpapers-research+4
28
sumleo/rlcdalignbenchBenchmark suite and code for detecting AI alignment failures, with 44 benchmarks across ten failure types and a zero-shot RLCD detector evaluated on…
atomdrift-project/scanDetecção de malware 0-day para binários, código-fonte e scripts (que não é ruim)
cbuijs/sdproxyProxy DNS simples e rápido com funcionalidades não tão simples. Focado em encaminhamento DNS roteado, filtragem e controle parental.
selectstar-ai/finred-paperfinance domain specific red-teaming benchmark evaluation rubric
alex66366/odpureDefesa de purificação em estágio de entrada caixa-preta que neutraliza ataques de backdoor em detectores de objetos por meio de corrupção,…
norrrrrrr-lyn/wainjectbenchBenchmarking de detecções de injeção de prompt para agentes web.
zjuwyh/shadowmemDefensive framework that maintains a safety-focused shadow memory to detect and block prompt-injection and long-horizon threats against LLM agents…
resharma/ajarMedindo Privilégios Abertos em Defesas de Agentes
safety-research/red-teaming-auto-modeResearch code for red-teaming AI auto-mode monitors, including simulation evals, fuzzing, and monitor implementations for Claude Code and Codex…
rin449/bhpaiPlataforma de análise de malware multi-formato que combina um sandbox Windows Ring-3 furtivo, analisadores estáticos de PE/PDF, recuperação de chaves…
devinblack001/ddos-reduction-systemAdaptive two-stage Layer 4 DDoS mitigation gateway using behavioral traffic analysis, Random Forest classification, and kernel-level ipset/iptables…
openai/privacy-filterModelo bidirecional de classificação de tokens para detecção e mascaramento de PII em texto, com CLI para redação, avaliação e ajuste fino…
binzhwang/actguardDefesa de auditoria de ações pré-execução que detecta e mascara injeção indireta de prompt em agentes LLM que usam ferramentas, utilizando…
off-by-1-labs/flawedArtefatos semelhantes a correções com defeitos incorporados
c2a2-at-florida-atlantic-university/gr-physecMódulo GNU Radio para segurança de camada física usando impressão digital de canal por aprendizado profundo, quantização de características e geração…
xiaoyan-lisa/defenses-for-tool-integrated-llmPesquisa de código e experimentos para defender agentes LLM integrados a ferramentas contra ataques adversariais, ampliando o Agent Security Bench…
siyuanli00/intactCódigo de pesquisa que reproduz experimentos de jailbreak em LLMs com múltiplos turnos (FITD, MRCJ, ActorAttack, X-Teaming) do artigo de…
9xeb/context-segmentationGerenciamento de contexto automatizado multiagente para tarefas de longo horizonte em Agentes de IA locais