Skip to content
KitploitKITPLOIT
ИнструментыЭксплойтыБлог
Log in
Отправить
ИнструментыЭксплойтыБлог
Отправить

Инструменты для хакинга, пентеста и кибербезопасности — ваш арсенал защиты!

Kitploit — это каталог инструментов для хакинга, кибербезопасности и пентестинга. Находите последние обновления проектов для поиска уязвимостей, анализа систем, автоматизации тестирования и усиления вашей безопасности.

ЛентыКонтактыКонфиденциальность© 2026 Kitploit

Каталог инструментов

Категории

Все категории
Loading categories
aegis-audio-defense — Фреймворк защиты, который сохраняет аудио-языковые модели замороженными и добавляет среднеуровневый шлюз риска с адаптерами безопасности поздних слоёв для блокировки аудио-джейлбрейков при инференсе. | Kitploit
Инструменты/GitHubGitHub/azzzzliao/aegis-audio-defense
Оборонительные ИнструментыАнализ уязвимостейМашинное ОбучениеСтатьи и ИсследованияБезопасность ИИСостязательная Атака
GitHubazzzzliao/aegis-audio-defense

aegis-audio-defense

Поделиться

Фреймворк защиты, который сохраняет аудио-языковые модели замороженными и добавляет среднеуровневый шлюз риска с адаптерами безопасности поздних слоёв для блокировки аудио-джейлбрейков при инференсе.

Репозиторий
961 месяц назадЕщё не проверено

AEGIS: Аудио-эндогенная защита на основе внутренних сигналов против джейлбрейков больших аудио-языковых моделей

arXiv License

Отправлено в ICASSP 2027.

AEGIS сохраняет целевую аудио-языковую модель замороженной и добавляет риск-шлюз на среднем слое, который условно управляет адаптерами безопасности поздних слоёв, с замкнутым контуром масштабирования при инференсе.

Содержание

СтраницаЧто в ней
МетодРазрыв между риском и отказом, шлюз и адаптеры, функция потерь обучения, замкнутый контур.
РезультатыТаблицы из статьи: шесть моделей, три бенчмарка, абляция и сравнение защит.
Анализ за пределами статьиРазрыв между риском и отказом в остальных пяти моделях, поведение шлюза, представления, полная таблица абляций.
ДанныеОткуда берётся каждый набор данных и как строятся манифесты.
Добавление моделиПеренос AEGIS на другую LALM путём написания одного адаптера.

На этой странице: Структура репозитория · Установка · Данные · Запуск AEGIS · Протокол · Абляции · Тесты · Цитирование

Структура репозитория

aegis/                        defense runtime; every script runs from any directory
  model_registry.py           ModelAdapter interface, registry, Qwen2-Audio and Phi-4 adapters
  adapters_gemma_voxtral.py   Gemma 4 E4B-it and Voxtral-Small-24B adapters
  adapters_ultravox_vita.py   Ultravox v0.5 and VITA-1.5 adapters
  train_gate_lora.py          joint training of the risk gate and the safety adapters
  run_defense.py              gated inference with closed-loop scaling (--score-only: gate scores)
  run_model.py                undefended generation
  judge.py                    Llama-Guard-3-8B safety judge
  refusal.py                  refusal regex for the over-refusal metric
  extract_hidden.py, analysis/  hidden-state probes for layer selection
scripts/
  prepare_data.py             downloaded datasets -> manifests (+ in-domain test splits)
  run_baseline.sh             step 0: undefended responses, judgments, training files
  run_aegis.sh                steps 1-4 for one protocol (PROTOCOL=indomain or lobo)
  run_ablation.sh             the Full and Always-on ablations
  models.sh                   per-model gate layer, intervention layers, prompt mode
  build_trainsets.py, calibrate_threshold.py, summarize.py
data/splits/                  in-domain train/test ids used in the paper
docs/                         method, results, analyses, porting guide
tests/                        CPU tests of the evaluation protocol

Установка

pip install -r requirements.txt

Каждой модели нужна версия Transformers, способная её загрузить. Источники расходятся, поэтому мы использовали одно окружение на каждое семейство моделей:

MODELБазовая модельHugging Face id (переменная переопределения)Слой гейтаСлои вмешательстваИспользуемый Transformers
gemma4_e4b_itGemma 4 E4B ITgoogle/gemma-4-E4B-it (AEGIS_GEMMA4_PATH)2125–415.7.0.dev0
phi4_mmPhi-4-multimodalmicrosoft/Phi-4-multimodal-instruct (AEGIS_PHI4_MM_PATH)1519–315.7.0.dev0
vita_15VITA-1.5VITA-MLLM/VITA-1.5 (AEGIS_VITA_PATH)1519–274.43.4
qwen2_audioQwen2-Audio-7B-InstructQwen/Qwen2-Audio-7B-Instruct (AEGIS_QWEN2_AUDIO_PATH)1519–31≥ 4.45
ultravox_v05Ultravox v0.5 (Llama-3.1-8B)fixie-ai/ultravox-v0_5-llama-3_1-8b (AEGIS_ULTRAVOX_PATH)1519–314.48.1
voxtral_smallVoxtral Small 24Bmistralai/Voxtral-Small-24B-2507 (AEGIS_VOXTRAL_PATH)2428–394.57.6
  • По умолчанию модели загружаются из Hub. Для работы в офлайн-режиме укажите в переменной переопределения путь к локальному снимку.
  • Llama-Guard-3-8B, Gemma 4 и основа Llama-3.1, которую скачивает Ultravox, имеют ограниченный доступ на Hub. Примите их лицензии и выполните huggingface-cli login, либо укажите в GUARD и AEGIS_LLAMA31_PATH локальные копии.
  • VITA-1.5 требует свой код с GitHub: клонируйте https://github.com/VITA-MLLM/VITA и укажите в AEGIS_VITA_REPO путь к репозиторию (по умолчанию: external/VITA).
  • Оборудование: одного GPU на 48 ГБ достаточно для большинства моделей. Для обучения Gemma 4 нужна одна карта объёмом не менее ~40 ГБ, поскольку функция потерь со словарём на 262k плохо шардируется. Voxtral Small требует две карты по 48 ГБ (DEVICE=auto шардирует модель; гейт и адаптеры следуют за слоями, к которым они подключены). Qwen2-Audio и Phi-4 также выигрывают от DEVICE=auto на длинных клипах AJail.

Данные

Скачайте пять наборов данных, как описано в data/README.md, затем соберите манифесты:

python scripts/prepare_data.py --data-root data --out-dir data/manifests

Скрипт проверяет количество строк, использованных в статье: AJail 1 490, JALM 946, SACRED 1 364, XSTest 250, Benign_train 215. Он также записывает тестовые разбиения внутри домена (718 / 499 / 683 строк) из списков идентификаторов в data/splits/.

Запуск AEGIS

Для каждой модели (PY — это Python из окружения данной модели; JUDGE_PY может указывать на другое окружение для Llama Guard):

MODEL=gemma4_e4b_it PY=python DEVICE=cuda:0 bash scripts/run_baseline.sh                  # step 0
MODEL=gemma4_e4b_it PROTOCOL=indomain PY=python DEVICE=cuda:0 bash scripts/run_aegis.sh   # in-domain
MODEL=gemma4_e4b_it PROTOCOL=lobo     PY=python DEVICE=cuda:0 bash scripts/run_aegis.sh   # LOBO

Каждый этап можно возобновить; повторно запустите ту же команду после прерывания. Результаты сохраняются в runs/<model>/:

baseline/                        undefended responses; <bench>_judged.jsonl = Llama Guard labels
train/train_{indomain,lobo}_<bench>.jsonl
<protocol>/<bench>/adapter/      router_head.pt, late_adapters.pt, config.json
<protocol>/<bench>/scores/       gate scores on XSTest and on the evaluation set
<protocol>/<bench>/threshold.json
<protocol>/<bench>/defended/     defended responses and their judgments
<protocol>/summary.json          unsafe rate, over-refusal, gate AUROC per benchmark

Протокол

Скачать инструмент

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Полный набор инструментов OSINT: граф расследования, оценка достоверности, семейства псевдонимов, карта, временная шкала и отчёты. 49 модулей, более 400 сайтов, API-ключи не требуются.

    591
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Приложение GhostLock с запуском в один клик (CVE-2026-43499)

    481
  • 3

    ARTEX

    baarai/artex

    Платформа автономного тестирования на проникновение на основе мультиагентной LLM с агентами-планировщиками и агентами-исполнителями, графами активов и исследования, записью MITM-трафика и повторной проверкой уязвимостей.

    389
  • 4

    redforge

    cybersecurity91/redforge

    Браузерный инструментарий для red team с 102 офлайн-инструментами для разведки, генерации полезной нагрузки, атак на учётные данные, криптографии, кодирования и отчётности по проектам.

    332
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Система действий для кибербезопасности на базе ИИ — где намерение превращается в управляемое исполнение, доказательства становятся оперативной памятью, а каждая операция улучшает следующую.

    255
  • 6

    antifox

    antifox-ai/antifox

    Мультиагентная платформа автономного тестирования на проникновение на базе ИИ, которая выполняет разведку, обнаружение поверхности атаки, валидацию эксплуатации и подготовку отчётов с подтверждающими доказательствами.

    247

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →