#1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。

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。

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。

TTPForge 是一个网络安全框架,用于开发、自动化并执行攻击者的战术、技术与程序(TTP)。

关于 FGSM 攻击从仿真到 IBM 量子硬件的可迁移性的 QAI 2026 论文的代码与结果。

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。

PISmith:基于强化学习的红队测试,用于提示注入防御

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。

红队家庭实验室搭建指南。在 Proxmox 和 pfSense 中搭建 GOAD 实验室,Operator/C2 与重定向器。

防御框架,保持音频语言模型冻结,并添加中层风险门控与后层安全适配器,以在推理时阻止音频越狱。

针对灰盒木马攻击的研究代码,该攻击通过翻转微调LLM分类器中单个KV缓存位,并测量各类别的攻击成功率。

针对 AD 实验环境进行自动化对手模拟(Caldera),以验证 Sigma 检测覆盖范围并将结果映射到 MITRE ATT&CK。

针对使用工具的LLM代理的控制令牌思维链抑制与解析器宽松攻击实验

Gemini - 生产环境LLM运行时对齐上下文注入

按投递方式、编码方式和传播行为分类的公开报告提示注入技术追踪器,包含已确认的模型、来源和 MITRE ATLAS 标签。