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
autonomous-offensive-llm-handbook — Детерминированный каркас и руководство для автономных offensive LLM-агентов, обеспечивающие соблюдение авторизации, границ области и контрольных точек сбора доказательств для воспроизводимого и честного тестирования на проникновение. | Kitploit
Инструменты/GitHubGitHub/mouteee/autonomous-offensive-llm-handbook
Анализ уязвимостейТестирование на ПроникновениеСтатьи и ИсследованияОбучение и ОбразованиеRed TeamingПодобранные РесурсыБезопасность ИИ
GitHubmouteee/autonomous-offensive-llm-handbook

autonomous-offensive-llm-handbook

Детерминированный каркас и руководство для автономных offensive LLM-агентов, обеспечивающие соблюдение авторизации, границ области и контрольных точек сбора доказательств для воспроизводимого и честного тестирования на проникновение.

РепозиторийСайт
7810471 месяц назадПроверено Kitploit

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →
Поделиться

📖 Читайте руководство онлайн: пройдите уроки от первого запуска фикстуры до агента с чёткими ограничениями.

Автономный машинный агент внутри светящейся контрольной границы: наблюдения поступают через шлюзы, а записи доказательств покидают систему. Концептуальная обложка.

Модель предлагает, код располагает

AUTONOMOUS SECURITY / THE BUILDER'S FIELD MANUAL

Открыть сайт · Начать курс · Запустить лабораторию · Подключить свою модель · Последовательность сборки

Практическое руководство по созданию автономных агентов безопасности с явными ограничениями на то, что может решать модель. Узнайте, как превращать наблюдения в план, допускать только разрешённые действия, привязывать находки к доказательствам и отчитываться о работе, которую не удалось завершить.

Модель остаётся вероятностной. Хост-приложение отвечает за авторизацию, разрешённые действия, записи доказательств и приёмку. Воспроизведение замороженных входных данных и политики позволяет воспроизвести эти управляющие решения; это не делает живую цель или ответ модели повторяемыми.

Начните здесь

Вам следует уверенно читать базовый Python, JSON и HTTP. Пройдите основной маршрут от первого запуска до собранного приложения. Урок о диспетчеризации указывает на краткий контракт выбора базовой линии; адаптивные контроллеры необязательны после основной сборки. По пути вы редактируете стартовые файлы и запускаете проверки, которые падают, пока ваш код не заработает. Курс работает офлайн без API-ключа и подключения к цели.

Сайт с материалами представляет уроки по порядку, с навигацией, диаграммами и поиском. Используйте руководство по сайту, чтобы собрать его или просмотреть локально.

Из локальной копии этого репозитория:

python3 -m venv .venv
source .venv/bin/activate
python3 -m pip install -r requirements.txt
python3 -m harness.demo --out /tmp/harness-report.json
diff -u harness/report.json /tmp/harness-report.json
python3 -m pytest tests/test_harness.py

Этот релиз проверен на CPython 3.14. Более ранние версии Python не входят в доказательную базу релиза; если вы используете одну из них, выполните полную последовательность проверок, приведённую ниже, прежде чем полагаться на результат.

Когда отчёт совпадает с зафиксированным примером, diff ничего не выводит. Откройте отчёт и проследите заголовочную находку от предложенной серьёзности до её управляемой серьёзности. Затем изучите отклонённое повышение и разрешённое повышение синтетического маркера. Обе находки по-прежнему требуют проверки человеком.

Прочитайте манифест входных данных, реализацию и состязательные тесты рядом с примером отчёта. Вы освоили это введение, когда сможете объяснить, почему действие было разрешено, почему повышение было отклонено и что на самом деле измеряют счётчики покрытия в отчёте.

Лаборатория harness по умолчанию не выполняет сетевых запросов и не вызывает моделей. Её предикат доказательства синтетический, её хост и адаптеры считаются доверенными, и каждая находка помечена как требующая проверки человеком. Лаборатория не реализует рабочий процесс принятия человеком или подписания отчёта. Дословная цитата подтверждает целостность цитирования, а не эксплуатируемость. Меньшее число вызовов модели и меньше переделок — это цели проектирования, а не экономия, измеренная корпусом.

Подключите свою модель

Ваша модель предоставляет предложения. Приложение хранит политику и состояние, проверяет каждое предложение, выполняет разрешённые действия с фикстурами и записывает результат. Этот репозиторий даёт вам приложение и упражнения; подключение модели обеспечиваете вы.

your model -> JSON proposal -> application checks -> fixture tool -> evidence + report
                                  |
                             reject or stop

Сначала запустите собранное приложение с его поддельным транспортом модели:

python3 -m examples.app_agent --out /tmp/agent-report.json --store /tmp/agent-memory.db
python3 -m pytest tests/test_app_agent_example.py -q

Проверьте статусы предложений и доказательства в /tmp/agent-report.json. Затем следуйте инструкциям Подключите свою модель, чтобы использовать локальную модель или написать транспортную обёртку. Более старый мост модели остаётся меньшим упражнением по подключению с другим форматом предложений. Оба примера выполняют действия инструментов на фикстурах, в том числе когда реальная модель предоставляет ответ.

В руководстве указано, что заменить, какой JSON возвращать, какие проверки сохранить, какой отчёт ожидается и какая работа остаётся перед добавлением живых инструментов.

Граница контроля

Эталонная архитектура: политика оператора и предложения модели проходят проверки приложения, прежде чем доверенные адаптеры фиксируют доказательства и формируют отчёт. Необязательный мост модели использует инструменты-фикстуры; генерация находок — отдельный интерфейс.

Диаграмма объединяет средства контроля лаборатории с подключением предложений. Мост модели отрабатывает допуск действий и фиксацию доказательств; лаборатория по умолчанию отдельно демонстрирует управление находками. Ни то, ни другое не является полноценным действующим агентом безопасности.

Собирайте своего агента в этом порядке

Основной маршрут идёт от первого запуска через политику, предложения, диспетчеризацию, память, проверку и восстановление к собранному приложению. Необязательный маршрут контроллера подключается заново через ключ контроллера.

Любая диаграмма открывается в полном размере по щелчку; на узком экране её также можно прокручивать вбок.

Скачать инструмент