#1Инструменты безопасности LLM, инъекции промптов, извлечения моделей, состязательного ИИ и ред-тиминга ИИ.
Рекомендация Kitploit

Набор ИИ-агентов для фиолетового командирования (purple teaming) в облачной безопасности, работает внутри Claude Code, Gemini CLI и Codex.
Атрибуция причинного контекста и основанный на правилах монитор LLM для защиты от косвенных инъекций промптов в LLM-агентах, достигающий современного…

Техническое раскрытие: подделка учётных данных посредством инъекции XML-тега в Claude Sonnet 4.6. Сообщено 14 июня 2026 г., исправлено 20 июня 2026 г.

Алгоритмы обнаружения выбросов, состязательных атак и дрейфа

Инструмент моделирования угроз на основе ИИ, использующий модели GPT от OpenAI для генерации моделей угроз для заданного приложения на основе…

обратная разработка обнаружения SynthID от Gemini

Безопасный low-code фреймворк времени выполнения для deception, использующий ИИ для виртуализации систем.

Фреймворк с открытым исходным кодом для верифицируемо приватного вывода ИИ

Автоматизированный конвейер анализа безопасности, который выполняет запросы CodeQL в репозиториях GitHub и использует LLM для классификации и…

Исследовательский код, воспроизводящий эксперименты по многоходовому джейлбрейку LLM (FITD, MRCJ, ActorAttack, X-Teaming) из статьи SoK по…

Defense framework, обеспечивающий соблюдение политики маршрутизации источника (routed origin policy) для предотвращения непрямой инъекции промптов в…

Список полезных Powershell-скриптов со 100% обходом AV (на момент публикации).

Шлюз безопасности для MCP-серверов с пополитикой применения политик для каждого инструмента, аудиторскими квитанциями, подписанными Ed25519, и…

Доказательство концепции для CVE-2024-24590

AI-first external attack surface assessment with continuous discovery, evidence-based vulnerability validation, and developer-agent MCP integration.

Воспроизводимый конвейер Colab, который обосновывает шесть измерений компетенций AI Security Literacy на основе публичных бенчмарков и микроданных…

Всё-в-одном набор для стеганографии

Легковесный слой обнаружения и реагирования агентов (ADR) для AI-агентов — защищает команды, файлы и веб-запросы. Часть Gen Agent Trust Hub.