#1厌倦了整天盯着十六进制和弹出'\x41'?宁愿看看洛奇亚/小火龙?我有解决方案给你。

用于附加到 MISP 事件或属性(如威胁行为者)的集群和元素

一个概念验证(Proof-of-Concept)Cobalt Strike 反射加载器,旨在重现、集成并增强 Cobalt Strike 的规避功能!

一种高级内存规避技术,在 RW/NoAccess 与 RX 之间波动切换 shellcode 的内存保护,并对其内容进行加密/解密。

用于 LLM 护栏的对齐研究脚手架(自动研究风格):在单个 policy.md 表面上进行搜索

针对PGM索引的投毒攻击研究代码,演示如何构造对抗性数据以降低学习型索引的性能。

黑盒攻击框架,通过注入恶意文档劫持智能体检索增强生成系统中的推理过程,支持多种攻击方法和数据集。

训练、评估和探索神经网络,内置对抗鲁棒性工具,包括PGD攻击、对抗训练以及适用于视觉研究的鲁棒预训练模型。

检测感知的 BloodHound 攻击路径评分——通往目标的最隐蔽路径,针对五个检测层级(audit/EDR/Elastic/MDI/WDAC)以及 Azure 进行校准。

紫色团队演练框架

用于 AI 应用的多层提示注入检测器,采用启发式规则、基于 LLM 的分析、vectorDB 攻击特征以及 canary token 泄露检测。

AI安全验证标准(AISVS)专注于为开发者、架构师和安全专业人员提供一套结构化的检查清单,用于验证AI驱动应用程序的安全性。

通过 launchd 的私有 XPC 接口生成 macOS 程序,而无需 exec 它们,使 EDR 将 launchd 记录为父进程。支持一次性 (one-shot)、KeepAlive 和基于 plist 的任务。

对文本版SynthID的逆向工程

针对 Claude、Gemini 和 ChatGPT 中通过记忆功能实施的持久性提示注入研究,包含复现步骤、数据集以及针对隐私、完整性和可用性攻击的验证。

针对移动端设备上AI系统的攻击与防御研究精选阅读清单及分类体系,涵盖对抗攻击、后门攻击、模型窃取攻击及能耗-延迟攻击,同时涉及混淆、TEE与水印防御措施。

用于 RAG 投毒防御的轻量级评估框架,可构建四条件干净/投毒记录,并报告被阻止的目标、净减少量、干净侧影响和审计数据包。