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
Инструменты/GitHubGitHub/dtc7w3pq/visco-attack
Машинное ОбучениеСтатьи и ИсследованияRed TeamingБезопасность ИИСостязательная Атака
GitHubdtc7w3pq/visco-attack

Visco-Attack

Исследовательский пайплайн, реализующий визуально-контекстный джейлбрейк против мультимодальных LLM: извлечение промптов T2I, рендеринг изображений SD3.5, многораундовое построение поддельного контекста и оценка ASR с судейством GPT-4o.

Репозиторий
3117 месяцев назадПроверено Kitploit
Поделиться

Visual Contextual Attack: Jailbreaking MLLMs with Image-Driven Context Injection

Paper Data HF Downloads GitHub Stars

VisCo-Attack Original прокладывает путь к парадигме атаки, ориентированной на изображения, и задействует несколько изображений в рамках многоходовых диалогов; его специально разработанные стратегии фабрикации контекста обеспечивают заметно высокую долю успешных атак против ведущих MLLM, что делает его одним из самых сильных на сегодняшний день методов jailbreak для MLLM.

Если вам интересна наша работа, пожалуйста, поставьте звезду ⭐ нашему проекту, спасибо 💕

⚠️ ВНИМАНИЕ: Этот репозиторий содержит методы состязательных промптов, предназначенные исключительно для исследовательских целей и целей безопасности.

📝 Обзор

VisCo-Attack — это наш фреймворк визуально-контекстуального jailbreak, представленный в статье «Visual Contextual Attack: Jailbreaking MLLMs with Image-Driven Context Injection». Вместо того чтобы рассматривать изображение как простой триггер, VisCo-Attack выстраивает реалистичный, сфабрикованный контекст многоходового диалога, в котором визуальный ввод является неотъемлемой частью вредоносного сценария. Он автоматически сплетает этот контекст с помощью четырёх стратегий, ориентированных на изображения — Image-Grounded Scenario Simulation (VS), Multi-Perspective Analysis (VM), Iterative Interrogation (VI) и Hallucination Exploitation (VH), — а затем выполняет обфускацию токсичности и семантическое уточнение, чтобы получить единый атакующий промпт. В полностью чёрноящичном режиме этот промпт надёжно взламывает современные MLLM, такие как GPT-4o, Gemini 2.0 flash и InternVL-2.5, повышая долю успешных атак до 85 – 91 % на MM-SafetyBench, FigStep-SafeBench и HarmBench при сохранении показателей токсичности выше 4.7 / 5.

Visco-Attack Method Illustration

Рисунок: Обзор метода Visual Contextual Attack (Visco-Attack).

🚀 Новости

  • [2025/7/3] Опубликованы контексты атак для четырёх различных стратегий на MM-SafetyBench, теперь доступные на Hugging Face. Код будет опубликован после принятия статьи.
  • [2025/7/4] Наша статья теперь доступна на arXiv: https://arxiv.org/abs/2507.02844.
  • [2025/7/19] Предоставлены изображения SD + Typography для каждого выровненного образца MM-SafetyBench (изображение SD сверху, ключевое слово снизу). Используются только для воспроизведения базовых методов; не являются частью нашего метода атаки.
  • [2025/8/14] Количество скачиваний нашего датасета на Hugging Face превысило 10 000 🎉🎉🎉! Спасибо за вашу поддержку!
  • [2025/8/21] VisCo Attack принят на основную конференцию EMNLP 2025! Код будет опубликован в ближайшее время~
  • [Публикация кода] Сквозной конвейер (извлечение промпта T2I → SD3.5 → построение многораундового обмана по 4 стратегиям → целевая атака → оценка GPT-4o) теперь находится в этом репозитории. См. Быстрый старт ниже.

⚡ Быстрый старт

# 1. Install
pip install -r requirements.txt

# 2. Configure endpoints
#    Edit configs/default.yaml — fill in vLLM base_urls for the four roles:
#      models.generator   data-generation LLM
#      models.wizard      Wizard-Vicuna-Uncensored (or any unaligned LLM)
#      models.target      the target MLLM you want to attack
#      models.judge       judge LLM (paper used GPT-4o)
#    Smoke test: pointing all four at the same endpoint works fine.

# 3. Build a question file (or use the 3-question example)
python data/extract_questions.py \
    --input  /path/to/your/MMSafetyBench.json \
    --output data/mmsafebench_questions.json

# 4. Run the full pipeline
./run.sh

# Or run a single stage at a time:
RUN_STAGE=1 ./run.sh   # extract T2I prompts
RUN_STAGE=2 ./run.sh   # render core images (uses torchrun + SD3.5)
RUN_STAGE=3 ./run.sh   # multi-round spoof context (4 strategies × N gens × 4 rounds)
RUN_STAGE=4 ./run.sh   # render any extra images requested by stage3
RUN_STAGE=5 ./run.sh   # attack the target MLLM
RUN_STAGE=6 ./run.sh   # GPT-4o-as-judge ASR

🤖 Рекомендуемые red-team модели (для ролей generator / wizard)

В пайплайне 4 роли LLM в configs/default.yaml: generator, wizard, target, judge. Роли generator и wizard выполняют фактическую red-team работу (конструирование поддельных контекстов, создание продолжений с ложным успехом). Они должны быть готовы следовать шаблонным red-team инструкциям в prompts/*.md — модели с выравниванием по безопасности обычно отказываются, и пайплайн деградирует до пустых / неразбираемых выходных данных.

Следующие модели хорошо работали для red-team ролей:

МодельПодходящие ролиПримечания
qwen-3.5-122B-uncensored-stxtgenerator + wizardПроизводная от Qwen3 от сообщества. vllm_client.py автоматически отключает режим размышления Qwen3, когда видит это имя модели.
Qwen2.5-72B-InstructgeneratorВыровненная, но обычно всё же сотрудничает в создании сфабрикованных небезопасных контекстов.

Модели, которые часто отказываются (не используйте их как generator или wizard):

  • GPT-4 / GPT-4o, Claude 3.5+ — сильное выравнивание, будут отвечать на шаблонные red-team промпты отказами.
  • Llama-3-Instruct без дополнительного обхода.

Smoke-тест (3 вопроса, ~5 минут)

Если вы хотите проверить весь пайплайн от начала до конца перед реальным запуском, tools/run_real_smoke.sh — это одноразовая обёртка, которая записывает крошечный конфиг (3 вопроса × 1 стратегия × 1 генерация × 2 раунда), запускает все 6 этапов с реальной SD3.5 диффузией и в конце выводит количество файлов по этапам + ASR. Все пути можно переопределить через переменные окружения:

SD_MODEL_PATH=/abs/path/to/stable-diffusion-3.5-large-turbo \
VLLM_URL=http://my-vllm-host:8000/v1 \
NUM_GPUS=N \
bash tools/run_real_smoke.sh

Увеличьте значения переменных окружения INPUT_QUESTIONS / STRATEGIES / GEN_PER_QUESTION / ROUNDS, чтобы масштабировать до полного запуска, соответствующего статье.

🗺️ Обзор пайплайна

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.

    668
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    496
  • 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.

    394
  • 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.

    339
  • 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.

    258
  • 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.

    254

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →