#1
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。

研究流水线,通过构建已验证的成功经验并将其组织为形成记录,经由HTS、LEGSA和GCTIR阶段逐步毒化模型技能。

微调框架,对LLM应用一阶最优安全校准和周期性重校准,在提升下游任务效用的同时保留安全兼容的更新。

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

研究 Hop-Decayed Influence(HDI)的实现以及 3S 攻击框架,揭示 LLM 的 GraphRAG 流水线中存在的结构性辅助索引漏洞。

针对应用集成式LLM的间接提示注入攻击的概念验证演示与研究,涵盖数据窃取、远程控制、持久化和代码补全投毒。

针对OpenClaw风格计算机使用代理的持久内存攻击的基准测试与防御代码,包含内存分区缓解措施、攻击场景及评估脚本。

面向黑盒LLM提取攻击、防御与自适应攻击的生命周期基准测试。

LLM 安全:分析微调如何改变拒绝行为,并评估层冻结与低秩防御。

用于衡量提示注入防御在工具调用型LLM代理流水线中何处触发的基准测试框架,跟踪金丝雀令牌在暴露、持久化、中继和执行各阶段的情况。

深度学习延迟、能耗-延迟与定时(可用性)攻击及防御的精选索引——ACM Computing Surveys 投稿的配套资料。

用于防御提示注入攻击的开源权重LLM及训练/评估代码,附带针对代理工具调用和指令遵循安全性的基准测试。

基准测试与评估框架,用于测试LLM代理是否能抵御隐藏在多模态技能图像中的恶意指令,包含跨五个风险类别的108个案例,并采用ASR/TSR评分。

基于模式的LLM智能体越狱框架,采用基于方案的任务分解、多轮伪装策略和自适应自进化来探测新兴安全风险。

进化式LLM越狱与防护栏框架,通过遗传变异、马尔可夫选择和在线对抗训练培育可复用策略池,用于安全评估。

基于强化学习的提示注入红队测试开放框架,包含共享训练器、课程学习,以及 AgentDojo、InjecAgent 和 PIArena 等基准测试。

基于Web的对手仿真平台,通过Go代理在Windows终端上编排Atomic Red Team测试,具备MITRE ATT&CK映射、APT仿真计划和检测规则关联功能。