#1评估框架,用于测试大型语言模型是否遵循嵌入在正常文本中的不可见 Unicode 编码指令,并跨多个模型和工具条件进行统计分析。

用于测量LLM对情感上下文侵蚀(ACE)及相关阈限攻击向量脆弱性的诊断框架。**Delirium**并非利用工具,而是一个标准化基准,旨在检测语言模型注意力权重从服务于系统提示转向服务于涌现性人际模式的精确时刻——在危害发生之前。

CVE-2026-7070 PoC,用于通过虚拟通道注入实现 RDP 剪贴板劫持;包含模拟服务器和用于数据窃取/凭据拦截的漏洞利用脚本。

此仓库包含论文“[Safety in Batches? Understanding and Mitigating Safety Failures in Batch Prompting]”的官方实现。

一套全面的数据集和机器学习模型公平性度量指标、这些指标的说明,以及用于缓解数据集和模型中偏差的算法。

一个精选的资源合集,用于学习和研究 LLM 提示注入攻击、防御与安全。


停止 Windows Defender 程序化操作

Project Mantis:反击 AI 黑客;以提示注入作为抵御 LLM 驱动的网络攻击的防御手段

PoC-Malware-TTPs

Crystal Palace 库,用于通过线程池代理 Nt API 调用。已针对调用 gadgets 进行更新。

"Pattern Enhanced Multi-Turn Jailbreaking: Exploiting Structural Vulnerabilities in Large Language Models"(模式增强的多轮越狱:利用大型语言模型中的结构性漏洞)的代码实现

XSS2Shell (CVE-2026-64638) WordPress 预认证 XSS 到 RCE PoC 镜像 — WordSec, MIT;仅限授权安全测试

通过操纵节点时钟强制 Kubernetes CronJob 提前执行,复现 CVE-2026-21019;包含存在漏洞的 YAML 清单及 Python 漏洞利用脚本。

用于演示 QUIC 地址验证绕过并触发握手放大的教育性 Python PoC,包含易受攻击服务器的模拟和攻击演示。