#1研究代码,复现了来自SoK意图导向系统化论文的多轮LLM越狱实验(FITD、MRCJ、ActorAttack、X-Teaming)。

实用的黑盒对抗性数据包生成技术,针对加密流量分类,实现最小开销并完全恢复数据包。

使用SAM分割和CLIP模型来规避基于AI的诈骗图像分类器的对抗性图像扰动工具,用于安全研究。

StealthRL:用于对抗性改写 AI 文本以压力测试检测器鲁棒性的 RL 框架。

对抗模拟与红队作战平台(集成AI)

这是一个用于在现代 Windows 11 上转储 LSASS 进程的工具。

用于评估OpenClaw代理在对抗性执行环境(包括投毒文件、注入技能、误导性工具元数据和编码载荷)下的安全基准测试。包含42个可复现任务,分布于6个风险套件,并设有攻击与效用评分。

我们询问了6个AI关于它们自身编程的问题。所有6个都说越狱永远不会被修复。自己运行——2美元,10分钟。

通过vllm-metal的trust_remote_code=True实现Docker容器到宿主机的远程代码执行POC

研究实现了一种LLM越狱代理,该代理利用无害提示编织和自适应树搜索绕过商业模型的防护栏。

用于评估AI代理在面对嵌入技能上下文中的攻击时的安全性的基准测试,涵盖6个风险领域的155个案例,衡量任务成功率与攻击抵抗能力。

用于在图神经网络上、在统一黑盒协议下评估模型提取攻击与所有权防御(水印、输出扰动、查询检测)的基准与库。

AI / LLM 红队实战手册与顾问指南

基于语音的侦探审讯游戏。Mistral Large 3 + Voxtral STT + ElevenLabs TTS。为 Mistral Worldwide Hackathon 2026 而构建。

面向LLM的自动化行为评估框架,可生成多样化测试场景,用于探测谄媚、偏见及其他安全相关行为,并支持可复现的种子配置。

有关机器学习和安全的源代码。