#1由 LLM 驱动的多智能体框架,可自主复现人类渗透测试工作流程,编排 Kali Linux 工具链与 RAG 知识检索以开展安全评估。

Red team framework and multi-operator C2 platform with AI agents, malleable implants, rootkits, phishing engine, and 741 CLI commands covering the…

CoSAI Workstream 4 仓库:智能体系统的安全设计模式

跨各种技术的真实世界威胁模型示例集合,为识别和缓解安全风险提供实用见解。

SHAREM是一个shellcode分析框架,能够模拟超过45,000个WinAPI和几乎所有Windows系统调用。它还包含自己的自定义反汇编器,具有许多创新功能,例如能够显示编码shellcode的去混淆反汇编,或集成仿真数据以增强反汇编。

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。

一个阻止灾难性智能体操作的防护装置

LLM 安全测试框架,用于检测提示注入、越狱和对抗性攻击 — 190+ 探针、28 个提供商、单个 Go 二进制文件

面向 Burp Suite 的 AI 驱动漏洞扫描器扩展,支持多家提供商(Ollama、OpenAI、Claude、Gemini)

逆向工程 Linux 内核驱动和用户空间库,用于 Apple Neural Engine (ANE),可在 Linux 系统上实现硬件访问和分析。

自主型白帽安全审计员,用于AI驱动的代码审查、漏洞赏金研究、漏洞利用构建及基于执行的验证。

支持MCP的多智能体框架,用于声明式YAML驱动的智能体工作流,结合CodeQL集成,应用于AI辅助代码审计、漏洞分类和安全研究。

Execution-Layer Security (ELS) 面向AI代理——策略强制型shell,带审计功能。

面向 Web、API 和 LLM 应用安全的本地优先 AI 红队。攻击者式推理、有证据支撑的发现,以及面向 AI 编码代理的技能。

基于AgentField的AI原生代码安全审计器,通过判定、追踪和可操作证据证明可利用性。

绕过LLM护栏,通过用伪造的工具输出迷惑它。