Курируемый список материалов и ресурсов по безопасности ИИ для пентестеров, багхантеров и исследователей безопасности.
# `awesome-ai-security`[](https://awesome.re) [](https://github.com/gmh5225/awesome-ai-security/blob/main/LICENSE) Кураторский список материалов и ресурсов по безопасности ИИ для пентестеров, баг-хантеров и исследователей в области безопасности. ``` If you find that some links are not working, you can simply replace the username with gmh5225. Or you can send an issue for me. ``` > Проявите уважение ко всем проектам ниже, это настоящие произведения искусства :saluting_face: ## Как внести вклад? - https://github.com/HyunCafe/contribute-practice - https://docs.github.com/en/get-started/quickstart/contributing-to-projects ## Навыки для AI-агентов Этот репозиторий предоставляет навыки, которые можно использовать с AI-агентами и ассистентами программирования, такими как [Cursor](https://www.cursor.com/), [OpenClaw](https://docs.openclaw.ai/), [Claude Code](https://docs.anthropic.com/en/docs/claude-code), [Codex CLI](https://github.com/openai/codex) и другими совместимыми инструментами. Установите навыки, чтобы получить специализированные знания по темам безопасности игр. - https://github.com/vercel-labs/skills [The open agent skills tool - npx skills] **[Посмотреть на learn-skills.dev](https://learn-skills.dev/skills/gmh5225/awesome-ai-security)** **Установка:** ```bash npx skills add https://github.com/gmh5225/awesome-ai-security --skill <skill-name> ``` **Доступные навыки:** | Навык | Описание | |-------|-------------| | `adversarial-machine-learning` | Состязательное машинное обучение: состязательные примеры, отравление данных, бэкдоры моделей и атаки уклонения | | `ai-powered-pentesting` | Инструменты пентеста на основе ИИ, фреймворки red teaming и автономные агенты безопасности | | `llm-attacks-security` | Атаки на безопасность LLM: внедрение промптов, джейлбрейкинг и извлечение данных | | `awesome-ai-security-overview` | Обзор этого репозитория и рекомендации по внесению вклада | | `ai-security-tooling` | Инструменты безопасности ИИ: детекторы, анализаторы, guardrails и бенчмарки | **Пример:** ```bash # Install LLM attacks skill npx skills add https://github.com/gmh5225/awesome-ai-security --skill llm-attacks-security # Install multiple skills npx skills add https://github.com/gmh5225/awesome-ai-security --skill adversarial-machine-learning npx skills add https://github.com/gmh5225/awesome-ai-security --skill ai-powered-pentesting ``` ## AI Security Starter Pack - **CTF / Практика** - https://github.com/verialabs/ctf-agent [ctf-agent — автономный решатель CTFd: LLM-координатор + параллельные рои моделей в Docker; 1-е место на BSidesSF 2026] - https://aivillage.org/ [AI Village @ DEF CON — задачи по обходу защиты LLM] - https://doublespeak.chat/#/handbook [Doublespeak — задачи по безопасности ИИ] - https://github.com/EasyJailbreak/EasyJailbreak [Фреймворк для состязательных промптов обхода защиты] - https://github.com/microsoft/AI-Red-Teaming-Playground-Labs [Microsoft AI Red Teaming Playground Labs] - https://github.com/schwartz1375/genai-security-training [Обучение ред-тимингу GenAI] - **Блоги / Ресурсы** - https://genai.owasp.org/ [OWASP GenAI Security Project] - https://llm-stats.com [Рейтинг LLM] - https://www.aidaily.win [Ежедневные новости ИИ] - https://baoyu.io/blog/how-to-write-good-prompt [Как писать хорошие промпты] - https://rootissh.in/ [Блог серии статей по пентесту LLM] - https://github.com/Abdowaer098/Wa3r-OffSec-Kit [Wa3r OffSec Kit — база знаний по наступательной безопасности с практическими рабочими процессами, шаблонами полезной нагрузки, разборами кейсов и заметками по форензике] - **Рассылки / Коллекции** - https://mlsecops.com/podcast [Подкаст MLSecOps] - https://podcasts.apple.com/ph/podcast/the-genai-security-podcast/id1782916580 [Подкаст GenAI Security] - https://avidml.org/ [База уязвимостей ИИ (AVID)] - https://calder-brief.pages.dev/ai-hub.html [Calder Brief AI news hub — ежедневно обновляемые новости ИИ, включая материалы по безопасности и надёжности ИИ] - **Сертификации / Курсы** - https://cs229.stanford.edu/ [Stanford CS229: Машинное обучение] - https://course.fast.ai/ [fast.ai Практическое глубокое обучение] - https://www.coursera.org/specializations/deep-learning [Специализация по глубокому обучению от Andrew Ng] - https://huggingface.co/reasoning-course [Создание рассуждающей модели в стиле DeepSeek-R1] ## Руководство по AI/LLM - **Основы** - https://d2l.ai/ [Dive into Deep Learning — интерактивная книга с PyTorch/JAX/TensorFlow] - http://neuralnetworksanddeeplearning.com/ [Neural Networks and Deep Learning от Michael Nielsen] - https://www.deeplearningbook.org/ [Deep Learning от Goodfellow, Bengio, Courville] - https://github.com/karminski/one-small-step [Учебник по AI/LLM] - https://github.com/datawhalechina/happy-llm [Учебник по принципам и практике LLM] - https://github.com/rasbt/LLMs-from-scratch [Создание LLM с нуля] - https://github.com/naklecha/llama3-from-scratch [LLaMA3 с нуля] - https://github.com/ZJU-LLMs/Foundations-of-LLMs [Основы LLM] - **Awesome-списки** - https://github.com/WangRongsheng/awesome-LLM-resourses [Всеобъемлющие ресурсы по LLM] - https://github.com/mahseema/awesome-ai-tools [Awesome AI Tools] - https://github.com/Shubhamsaboo/awesome-llm-apps [Awesome LLM Apps] - https://github.com/mahonzhan/awesome-agent-harness [Кураторский список агентных обвязок, агентных фреймворков, фреймворков рабочих процессов и новых агентных протоколов] - https://github.com/punkpeye/awesome-mcp-servers [Awesome MCP Servers] - https://github.com/wong2/awesome-mcp-servers [Awesome MCP Servers] - https://github.com/deepseek-ai/awesome-deepseek-integration [Awesome DeepSeek Integration] - https://github.com/lmmlzn/Awesome-LLMs-Datasets [Awesome LLMs Datasets] - **LLM с нуля / Reasoning** - https://github.com/rasbt/LLMs-from-scratch/tree/main/ch05/11_qwen3 [Qwen3 From Scratch — пошаговое руководство на китайском] - https://github.com/rasbt/LLMs-from-scratch/blob/main/ch05/11_qwen3/standalone-qwen3-moe-plus-kvcache.ipynb [Реализация Qwen3 MoE с KV-кэшем с нуля] - https://github.com/rasbt/LLMs-from-scratch/tree/main/ch05/12_gemma3 [Сборка Gemma 3 270M с нуля] - https://github.com/rasbt/reasoning-from-scratch [Reasoning-модели с нуля] - https://github.com/mingyin0312/RLFromScratch [Обучение с подкреплением с нуля (учебник на китайском)] - https://github.com/karpathy/nanochat [Сквозной цикл обучения nanochat примерно в 8K строк] - https://github.com/kyegomez/OpenMythos [OpenMythos — теоретическая реконструкция архитектуры Claude Mythos с первых принципов на основе публичной исследовательской литературы] - https://github.com/vixhal-baraiya/microgpt-c [MicroGPT-C — обучение и инференс крошечной GPT на чистом C без зависимостей (один файл); CPU-путь в стиле fp32/AVX2; MIT] ## Безопасность ИИ и атаки ### Prompt Injection - https://www.lakera.ai/blog/guide-to-prompt-injection [Руководство по prompt injection] - https://genai.owasp.org/llmrisk/llm01-prompt-injection/ [OWASP LLM01:2025 Prompt Injection] - https://redbotsecurity.com/prompt-injection-attacks-ai-security-2025/ [Атаки prompt injection 2025] - https://github.com/protectai/rebuff [Самоукрепляющийся детектор prompt injection] - https://github.com/NVIDIA/garak [Сканер уязвимостей NVIDIA LLM] - https://github.com/deadbits/vigil-llm [Обнаруживает prompt injection и рискованные входные данные] - https://github.com/alphasecio/prompt-guard [Защита от prompt injection для LLM] - https://github.com/tml-epfl/llm-adaptive-attacks [Адаптивные атаки на LLM] - https://github.com/RomiconEZ/llamator [Фреймворк тестирования уязвимостей LLM] - https://github.com/gh0stOo/claude-md-vorlagen-de/blob/main/guides/prompt-hardening.md [Руководство по усилению защиты от prompt injection на немецком языке с 10 конкретными шаблонами кода «до/после» (разделение system/user, разделители, валидация вывода, недоверие к источникам RAG)] - https://github.com/Vick606/subcanopy-guard [Контекстно-зависимый сканер косвенного prompt injection] ### Состязательные атаки - https://gradientscience.org/intro_adversarial/ [Введение в состязательные примеры] - https://cset.georgetown.edu/publication/key-concepts-in-ai-safety-robustness-and-adversarial-examples/ [Безопасность ИИ и состязательные примеры] - https://github.com/Trusted-AI/adversarial-robustness-toolbox [IBM Adversarial Robustness Toolbox] - https://github.com/QData/TextAttack [Состязательные атаки на NLP-модели] - https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-2e2025.pdf [Таксономия состязательного ML от NIST] - https://llm-vulnerability.github.io/ [Учебник ACL 2024: уязвимости LLM] - https://github.com/tensorflow/cleverhans [CleverHans — бенчмарк уязвимостей ML] - https://github.com/bethgelab/foolbox [Foolbox — инструментарий состязательных примеров] - https://github.com/cchio/deep-pwning [Deep-pwning] ### Отравление данных и бэкдоры - https://arxiv.org/abs/2009.02276 [Witches' Brew: промышленный масштаб отравления данных] - https://arxiv.org/abs/2402.09179 [Бэкдор-атаки через инструкции на кастомизированные LLM] - https://arxiv.org/abs/2510.07192 [Для атак отравления достаточно нескольких точек] - https://arxiv.org/abs/1910.03137 [MNTD: обнаружение AI-троянов] - https://owasp.org/www-project-top-10-for-large-language-model-applications/ [OWASP Top 10 для приложений на LLM 2025] - https://github.com/git-disl/awesome_LLM-harmful-fine-tuning-papers [Статьи о вредоносном дообучении LLM] ### Конфиденциальность и извлечение данных - https://www.usenix.org/conference/usenixsecurity21/presentation/carlini-extracting [Извлечение обучающих данных из LLM] - https://arxiv.org/abs/2309.10544 [Model Leeching: атака извлечения на LLM] - https://arxiv.org/abs/2301.10226 [Водяные знаки для больших языковых моделей] - https://arxiv.org/abs/2103.07853 [Обзор атак вывода о принадлежности] - https://arxiv.org/abs/2503.19338 [Обзор MIA на крупномасштабных моделях] - https://trustllmbenchmark.github.io/TrustLLM-Website/ [Бенчмарк TrustLLM] - https://github.com/stratosphereips/awesome-ml-privacy-attacks [Awesome ML Privacy Attacks] - https://github.com/chawins/llm-sp [Статьи по безопасности LLM] - https://github.com/journey-ad/gemini-watermark-remover [Клиентский инструмент удаления водяных знаков с изображений Gemini AI — обратное альфа-смешивание] ### Безопасность моделей - https://arxiv.org/html/2507.02737v1 [Возможности стеганографии в передовых LLM] - https://jplhughes.github.io/bon-jailbreaking/ [Джейлбрейкинг ИИ] - https://github.com/Goochbeater/Spiritual-Spell-Red-Teaming [Репозиторий для джейлбрейкинга различных LLM, в основном Claude] - https://huggingface.co/blog/mlabonne/abliteration [Аблитерация моделей] - https://github.com/p-e-w/heretic [Heretic — полностью автоматическое удаление цензуры для LLM, аблитерация + оптимизатор Optuna TPE, dense/MoE/мультимодальные] - https://github.com/FailSpy/abliterator [abliterator — библиотека Python для аблитерации отказов/признаков в LLM, TransformerLens, кэширование активаций, направление отказа] - https://github.com/spkgyk/abliteration [Abliteration — расцензуривание LLM путём удаления вектора отказа, хуки PyTorch, без TransformerLens] - https://github.com/jim-plus/llm-abliteration [llm-abliteration — создание аблитерированных моделей с помощью Transformers, пакетный инференс, dense/MoE, нормосохраняющий бипроецированный метод, низкая VRAM] - https://github.com/Tsadoq/ErisForge [ErisForge — предельно простая аблитерация LLM, преобразование внутренних слоёв, AblationDecoderLayer/AdditionDecoderLayer, ExpressionRefusalScorer] - https://github.com/protectai/llm-guard [LLM Guard — инструмент безопасности] - https://github.com/protectai/modelscan [ModelScan — сканирование моделей на небезопасный код] - https://github.com/fr0gger/nova-framework [Nova Framework — обнаружение джейлбрейков] - https://github.com/fr0gger/nova_mcp [Nova MCP Server] - https://github.com/0xAIDR/AIDR-Bastion [Система защиты GenAI] - https://github.com/CAU-ISS-Lab/AIGT-Detection-Evade-Detection [Обнаружение и обход обнаружения текста, сгенерированного ИИ] - https://github.com/AUGMXNT/deccp [deccp — оценка и дезальинирование китайской цензуры LLM, PoC аблитерации для Qwen2] - https://github.com/gpiat/AIAE-AbliterationBench [AbliterationBench — бенчмарк устойчивости моделей к атакам на residual stream/аблитерацию] ## Пентестинг ИИ и Red Teaming ### Пентестинг с использованием ИИ - https://github.com/GreyDGL/PentestGPT [Пентестинг-агент на базе GPT-4] - https://github.com/zakirkun/guardian-cli [CLI для пентестинга с ИИ на базе Gemini] - https://github.com/usestrix/strix [ИИ-пентестинг безопасности] - https://github.com/aliasrobotics/cai [CAI — фреймворк ИИ для кибербезопасности] - https://github.com/promptfoo/promptfoo [Фреймворк пентестинга ИИ-агентов] - https://github.com/antoninoLorenzo/AI-OPS [ИИ-ассистент для тестирования на проникновение] - https://github.com/yz9yt/BugTrace-AI [Автоматизированный веб-пентестинг с ИИ] - https://github.com/six2dez/reconftw_ai [ReconFTW с ИИ-анализом] - https://github.com/projectdiscovery/katana [Katana (ProjectDiscovery) — быстрый веб-краулер/паук для автоматизации: стандартный и headless-режимы, парсинг JS-эндпоинтов, фильтры по scope/regex, JSONL; сочетается с httpx/nuclei и рабочими процессами ИИ-агентов для пентестинга] - https://github.com/Ed1s0nZ/CyberStrikeAI [Платформа тестирования безопасности на основе ИИ со 100+ инструментами] - https://github.com/vxcontrol/pentagi [PentAGI — полностью автономные ИИ-агенты для тестирования на проникновение] - https://github.com/XenoCoreGiger31/GEMMA-by-GOOGLE [HALO (GEMMA-by-GOOGLE) — полностью локальный автономный ИИ-агент для пентестинга; локальная модель Gemma управляет MCP-сервером с 29 инструментами на этапах разведки, атаки и составления отчётов] - https://github.com/Agnuxo1/EnigmAgent [EnigmAgent — автономный ИИ-агент для исследований в области безопасности и пентестинга с бенчмаркингом CTF, децентрализованной координацией роя, валидацией эксплойтов и утверждениями о безопасности на основе Lean 4] - https://github.com/KeygraphHQ/shannon [Shannon — автономный ИИ-пентестер, находит и выполняет реальные эксплойты в веб-приложениях] - https://github.com/wudidike/pentest_skill [Фреймворк автоматизации чёрного ящика для веб-тестирования на проникновение для ИИ-агентов с поэтапным рабочим процессом и генерацией отчётов] - https://github.com/yv1ing/Z3r0 [Z3r0 — управляемый многoагентный рабочий стенд для авторизованной оценки безопасности, аудита кода и исследований: координатор CSO + специалисты по разведке/проникновению/реверсу/криптографии, песочницы в Docker (shell/noVNC/файловый менеджер), постоянное делегирование, LiteLLM/совместимость с OpenAI; FastAPI + React; MIT] - https://github.com/ASCIT31/Dark-Moon [Dark-Moon — автономная платформа ИИ-пентестинга, где методические плейбуки в формате Markdown оркестрируют 80+ наступательных инструментов через MCP по целям в веб, облаке, Active Directory, Kubernetes и API, с цепочкой доказательств по каждой находке] - https://github.com/Strategic-Automation/violin [Violin — контролируемый агентный профиль пентестинга Hermes Agent: 31 плейбук на основе навыков (OWASP Top 10, API Top 10, LLM Top 10) с интерактивным определением области, валидацией scope и шлюзами одобрения. Устанавливается через `hermes profile install https://github.com/Strategic-Automation/violin`. Нативный для Hermes, без дополнительных API-ключей; MIT] - https://github.com/secorizon/SecorizonAI [SecorizonAI — терминальная ИИ-оболочка для пентестеров: единый бинарник на Go, локальная LLM через Ollama, цикл ReAct с JSON-вызовом инструментов, выполнением shell-команд и встроенным веб-поиском, методические руководства по запросу, поддержка MCP (Burp); Apache-2.0 + Commons Clause; использовать только в авторизованных проектах] ### Инструменты AI Red Teaming - https://github.com/Azure/counterfit [Инструмент тестирования на проникновение для ML от Microsoft] - https://github.com/Azure/PyRIT [Фреймворк Red-Teaming для GenAI от Microsoft] - https://github.com/meta-llama/PurpleLlama [Открытые инструменты безопасности LLM от Meta] - https://github.com/NVIDIA/NeMo-Guardrails [Программируемые ограждения NVIDIA] - https://github.com/NoDataFound/hackGPT [Набор инструментов LLM для наступательной безопасности] - https://github.com/ipa-lab/hackingBuddyGPT [Автономный агент Red-Teaming] - https://github.com/Yanlewen/TradeTrap [TradeTrap — тестирование торговых агентов на основе LLM: prompt injection, перехват MCP, подмена состояния, отравление памяти; AI-Trader/Valuecell] - https://github.com/humanbound/humanbound [Humanbound — открытый CLI, запускающий сгенерированные LLM состязательные атаки против HTTP-эндпоинта агента, с оценкой по OWASP LLM Top 10, OWASP Agentic Top 10, NIST и сопоставлениям с EU AI Act] - https://github.com/toby-bridges/api-relay-audit [API Relay Audit — локальный CLI для аудита релеев AI API и прокси LLM; проверяет на признаки prompt injection, изменения пакетных команд, утечки в ответах с ошибками и аномалии Anthropic SSE; отчёты в Markdown] - https://github.com/taoq-ai/ziran [Ziran — фреймворк тестирования безопасности AI-агентов: графовый поиск цепочек инструментов, обнаружение побочных эффектов на уровне выполнения, многофазные кампании; LangChain, CrewAI, MCP, A2A, удалённый HTTP] ### MCP-инструменты для безопасности ИИ - https://github.com/tomelias10/mcp-drift-check [MCP Drift Check — пассивный локальный Python CLI, который статически выявляет изменяемые/незакреплённые ссылки на пакеты npm/npx в конфигурациях MCP-клиентов; не выполняет серверы, не скачивает пакеты и не загружает конфигурации; MIT] - https://github.com/AndrewXuTurtle/mcpaudit [mcpaudit — MCP-сервер + CLI, который проверяет уже установленные MCP-серверы в Claude Desktop, Claude Code, Cursor, Windsurf и VS Code. Отравление инструментов (включая символы нулевой ширины/двунаправленные символы в описаниях инструментов), радиус поражения учётных данных, область привилегий, транспорт и происхождение в цепочке поставок: области публикаторов с гомоглифами, пакеты, удалённые из реестра, хуки установки и рекомендации OSV/GHSA, сопоставленные с разрешённой версией. Без зависимостей; ничего не устанавливается и не выполняется; MIT] - https://github.com/ArmorerLabs/Armorer-Guard [Armorer Guard — локальный сканер на Rust и MCP-прокси для обнаружения prompt injection, утечки учётных данных, эксфильтрации и рискованных вызовов инструментов до их выполнения] - https://github.com/0x4m4/hexstrike-ai [HexStrike AI — MCP с более чем 150 инструментами кибербезопасности] - https://github.com/cyproxio/mcp-for-security [MCP для пентестинга] - https://github.com/johnhalloran321/mcpSafetyScanner [MCP Safety Scanner] - https://github.com/Karthikathangarasu/pentest-mcp [Pentest MCP] - https://github.com/Sicks3c/hackerone-mcp-server [HackerOne MCP — неофициальный Hacker API через stdio: отчёты, программы, область действия, вознаграждения, hacktivity; отправка/комментирование/закрытие; MIT] - https://github.com/zhizhuodemao/android_proxy_mcp [Android Proxy MCP — захват трафика Android на основе MCP, позволяющий ИИ анализировать HTTP/HTTPS с помощью естественного языка] - https://github.com/MHaggis/Security-Detections-MCP [Security Detections MCP — унифицированные Sigma/Splunk ESCU/Elastic/KQL, более 71 инструмента, 11 промптов, автономная платформа обнаружения] - https://github.com/ai-blueteam/http-detection-agent [http-detection-agent — обнаружение HTTP-атак с учётом возможностей: CLI на Rust и локальный MCP-сервер на основе нормализованного каталога правил из 76 детекций по 62 семействам поведения; MIT] - https://github.com/Correctover/correctover-scan [correctover-scan — npm CLI без настройки, который сканирует конфигурации MCP-клиентов (Claude Desktop, Cursor, VS Code) на предмет раскрытия учётных данных, SSRF, отсутствия аутентификации/шифрования транспорта и других ошибок конфигурации; результаты сопоставлены с OWASP AISVS; вывод JSON/SARIF для CI; MIT] - https://github.com/rolandpg/zettelforge [ZettelForge — MCP-сервер агентной памяти для CTI с извлечением сущностей (CVE, субъекты угроз, IOC, MITRE ATT&CK), графом знаний с разрешением псевдонимов, STIX 2.1, поиском с классификацией намерений, журналированием аудита OCSF; офлайн; MIT] - https://github.com/doomsday-network/bounty-guard [BountyGuard — открытый межсетевой экран для prompt injection, публикуемый блок-лист honeypot (data/honeypots.json) и MCP-сервер безопасности без зависимостей (mcp_server.py / https://doomsday.network/mcp), который проверяет репозитории GitHub на сигнатуры ловушек и классифицирует проблемы как SAFE_WITH_ESCROW, SAFE_NO_ESCROW или QUARANTINE; MIT] ### C2 на основе ИИ - https://github.com/Red-Hex-Consulting/Ankou [Фреймворк C2 на основе ИИ] ### Взлом паролей с помощью ИИ - https://github.com/d-sec-net/VPK [Автоматизированный взлом паролей с помощью ИИ] ## Инструменты и фреймворки для безопасности ИИ ### AI SOC и SecOps - https://github.com/Vigil-SOC/vigil [Vigil — открытый AI-native SOC: 12 специализированных агентов, многоагентные рабочие процессы, интеграции MCP (SIEM/EDR/TI/песочница/тикетинг), FastAPI + React] - https://github.com/ccjmcc/jevsec [JevSec — совместимая с Jev сортировка безопасности на основе модели принятия решений для короткого межзапросного веб-поведения; сочетает детерминированные правила с локальной Qwen3-4B, нормализацией с учётом приватности и проверкой в теневом режиме; MIT] ### Обратный инжиниринг с помощью ИИ - https://github.com/ZeroDaysBroker/GhidraGPT [Интеграция GPT для Ghidra] - https://github.com/jtang613/GhidrAssist [Расширение LLM для Ghidra] - https://github.com/0xeb/windbg-copilot [WinDbg Copilot — расширение для агентной отладки] - https://github.com/agentrebench/AgentRE-Bench [AgentRE-Bench — агентный бенчмарк для длительного бинарного RE: C2/кодирование/антианализ, детерминированное оценивание, 13 задач ELF] - https://github.com/banteg/bn [bn — дружественный к агентам CLI для Binary Ninja: декомпиляция, перекрёстные ссылки, типы, мутации через Unix-сокет к плагину GUI] - https://github.com/amruth-sn/kong [Kong — агентный реверс-инженер, оркестрируемый LLM бинарный RE через внутрипроцессную Ghidra, анализ графа вызовов, агентная деобфускация] - https://github.com/CSIT-SG/AETHER [ИИ-копайлот для обратного инжиниринга, помогающий в рутинном анализе вредоносного ПО в IDA Pro] - https://github.com/thatskriptkid/re-harness [RE-harness — плагин OpenCode для статического анализа Windows PE под Qwen 27B/35B: структурированные read-only инструменты IDA/IDASQL, резервный лифтинг больших функций через NeverD/LLVM; харнесс для анализа вредоносного ПО; macOS/Linux] - https://github.com/mrphrazer/ghidra-headless-mcp [ghidra-headless-mcp — headless Ghidra через MCP] - https://github.com/vwww-droid/Mira [Mira — рабочая среда для обнаружения мобильных рантаймов (Android/iOS): нативный для ИИ анализ живого рантайма с Relay + MCP, удалённые shell/Frida-процессы и переиспользуемые знания об обнаружении] - https://github.com/buzzer-re/ToCode [ToCode — экспорт бинарников/баз данных IDA в деревья проектов, подобные исходникам (восстановленный C, asm, сводки, богатые JSON-метаданные + AGENTS.md), чтобы кодирующие агенты могли обходить большие бинарники как оракул; поддерживает IDA Pro и radare2] --- [Read more](https://github.com/gmh5225/awesome-ai-security)