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

Комплексный набор метрик справедливости для наборов данных и моделей машинного обучения, объяснения этих метрик и алгоритмы снижения предвзятости в…
Исследовательский код, воспроизводящий эксперименты по многоходовому джейлбрейку LLM (FITD, MRCJ, ActorAttack, X-Teaming) из статьи SoK по…

Практическая генерация состязательных пакетов в режиме чёрного ящика для атак на классификацию зашифрованного трафика с минимальными накладными…

Инструмент состязательного искажения изображений, использующий сегментацию SAM и модели CLIP для обхода классификаторов мошеннических изображений на…

Обнаружение реверс-шеллов с помощью машинного обучения

StealthRL: фреймворк RL для состязательного перефразирования текста ИИ, предназначенный для стресс-тестирования устойчивости детекторов.

Платформа для симуляции противника и Red teaming с AI

Это инструмент для дампа процесса LSASS на современной Windows 11.

Бенчмарк безопасности для оценки агентов OpenClaw против враждебных контекстов исполнения, включая отравленные файлы, внедрённые навыки, вводящие в…

Мы спросили 6 ИИ об их собственном программировании. Все 6 сказали, что джейлбрейк никогда не будет исправлен. Запустите сами — $2, 10 минут.

POC удаленного выполнения кода из Docker-контейнера на хост через vllm-metal trust_remote_code=True

Исследовательская реализация агента для джейлбрейка LLM, обходящего защитные механизмы коммерческих моделей с помощью плетения безобидных промптов и…

Бенчмарк для оценки безопасности ИИ-агентов против атак, встроенных в контекст, с которым работают навыки, включающий 155 сценариев в 6 областях…

Бенчмарк и библиотека для оценки атак извлечения моделей и методов защиты прав собственности (водяные знаки, возмущение выходных данных, обнаружение…

Полевое руководство по Red Team для AI / LLM и справочник консультанта

Детективная игра-допрос с голосовым управлением. Mistral Large 3 + Voxtral STT + ElevenLabs TTS. Создано для Mistral Worldwide Hackathon 2026.

Автоматизированная среда поведенческой оценки для LLM, которая генерирует разнообразные тестовые сценарии для выявления подобострастия, предвзятости…

Исходный код о машинном обучении и безопасности.