#1Фреймворки состязательных атак на МО, техники обхода и инструменты оценки устойчивости моделей.
Рекомендация Kitploit

Демонстрирует использование машинного обучения для предсказания последовательностей генераторов случайных чисел, выявляя криптографические слабости с…

RowHammer-эксплойт

Промышленный инструмент для атак методом жадного координатного градиента (GCG) на большие языковые модели (LLM)

PoC-код из презентации DEF CON 25

Никогда, никогда, никогда не используйте пикселизацию как метод редактирования

Познакомьтесь с Eclipse — единственным джейлбрейком, который «лунной походкой» обходит ChatGPT 4o.

Инструмент для подмены DNS, написанный на Python3.

CVE-2026-54121 (Certighost) PoC имперсонации DC в AD CS. Исправленная обработка SAN + повторное использование учётных записей с учётом MAQ.

Этот репозиторий содержит официальную реализацию POISONCRAFT: практическое отравление генерации с дополненной выборкой (RAG) для больших языковых…

[CVPR 2025-ADVML] Официальный репозиторий для `Attacking Attention of Foundation Models Effectively Disrupts Downstream Tasks`

Автоматизированный фреймворк для перехвата механизмов безопасного рассуждения в больших моделях рассуждений с помощью смоделированных трассировок…

Программная реализация «Pattern Enhanced Multi-Turn Jailbreaking: Exploiting Structural Vulnerabilities in Large Language Models»

[ICCV 2025] Защита от несанкционированного вмешательства при неавторизованной генерации изображений конкретных лиц

Исследовательский код, реализующий методы атак и защиты с использованием бэкдоров для LLM, включая алгоритмы IBSD, SLIP, BeDKD и BadApex.

Реализация статьи «DeeCLIP: A Robust and Generalizable Transformer-Based Framework for Detecting AI-Generated Images»

PISmith: Red Teaming на основе обучения с подкреплением для защиты от промпт-инъекций

Код для «Управление цензурой: выявление векторов представлений для контроля „мыслей“ LLM»

CVPR2023: Необучаемые кластеры: к необучаемым примерам, не зависящим от меток