#1GitLab Duo DevSecOps 循环:由第二个 AI 对每个 AI 编写的修复进行再次攻击,将每次成功绕过保存为永久抗体,并在 CI 和生产环境中重放。

一个用于跨表格、时间序列、图、文本、图像和音频数据进行异常检测的 Python 库。提供 60+ 检测器、基准测试支撑的 ADEngine 编排,以及面向 AI 代理的智能体工作流。

基于 kubectl 的红队 K8S 对抗模拟

在渗透测试或道德黑客行动的漏洞利用阶段,你最终需要尝试让代码在目标系统计算机上运行。这里有一种在创建后门时规避杀毒软件的简单方法!

实现论文《重新思考延迟拒绝服务:攻击 LLM 服务框架,而非模型》

涵盖进攻性 AI(Offensive AI)的精选实用资源列表。

一个 Python 工具箱,用于创建欺骗 PyTorch、TensorFlow 和 JAX 中神经网络的对抗样本。

标准化的对抗鲁棒性基准测试,配有公开排行榜和可下载的模型库,用于评估机器学习模型在 Lp 攻击和常见扰动下的表现。

仅用于研究的AI水印鲁棒性工具包:本地反向代理剥离C2PA/EXIF/XMP、Unicode、图像/音频隐写及OOXML/PDF元数据,并扫描Trojan Source。

黑盒输入阶段净化防御,通过损坏、扩散重建和DBSCAN共识投票来中和针对目标检测器的后门攻击。


比较 Windows 压缩工具对 Web 标记(MOTW)传播的支持,帮助团队评估哪些工具保留 MOTW,并缓解基于宏的恶意软件投递。

触发杀毒软件误报的工具

论文《Jailbreaking Open-Weight LLMs via Random Embedding Perturbations》的代码、响应日志和标签

用于训练适配器的研究代码,使LLM代理后门在良性微调后仍能存活,并具备触发率评分、SWE-bench评估和数据集构建器。

脚本化框架,用于模拟超过50种MITRE ATT&CK技术以测试蓝队检测能力。包含Python脚本和一个编译后的二进制文件,用于进程注入、信标模拟和横向移动模拟。

Windows 10 DLL 注入器,通过驱动程序利用 VAD 并隐藏已加载的驱动程序