#1用于前沿AI安全评估的自动化框架,通过合成可执行的、压力丰富的测试环境,揭示高级智能体模型中的潜在风险。

内核级 eBPF 沙盒,用于保护通过模型上下文协议(MCP)进行的 LLM 代理工具调用。

精选的开源LLM安全扫描器和Web应用扫描器列表,按星标排序,用于发现AI应用中的漏洞。

面向AI智能体的防篡改审计追踪:哈希链式运行时记录,零依赖,任何人可验证。

面向 LLM 代理的端到端安全审计框架:静态 AST 与污点建模、攻击合成、Docker 沙箱重放,以及带 MCP 审计的确定性判定报告。

基于 AI 的自动化 Facebook 情报工具,用于目标画像、网络分析与威胁报告。完全通过 Ollama 在设备本地运行。如需使用精简版,请查看下方链接。

Apple Silicon macOS 上的超快 CLI,用于快速、沙盒化开发和 LLM 代理。

面向 Linux 服务器的 SOC、事件响应与 SecOps 一体化代理:学习每台主机的特征,通过零 token 传感器进行监控,使用小型模型进行分诊,并在由 root 拥有的策略下遏制攻击。可选的中心节点用于管理主机集群。

一个用于自主攻击性LLM代理的确定性测试框架与操作手册,通过强制执行授权、范围和证据门控,确保渗透测试的可复现性与诚实性。

OWASP 框架,对 neocloud 和 AI 数据中心基础设施中的十大安全风险进行编目,涵盖硬件、网络、隔离、管理平面和供应链。

基于语义图的AI编写代码版本控制。跟踪实体和关系而非文件差异,支持爆炸半径分析、影子合并审查以及MCP驱动的代理上下文,以实现可信的AI生成软件。

动手实操的AI安全实验室平台,涵盖50多个场景,涉及提示注入、智能体系统利用、模型操纵以及MCP信任边界攻击。采用Ollama + FastAPI + React构建,用于安全的攻防演练实践。

AI 生成的 Nuclei 模板仓库,涵盖现有模板尚未覆盖的公开 CVE,提升检测速度与覆盖率 👾

[NeurIPS 2025] 论文 "GuardReasoner-VL: Safeguarding VLMs via Reinforced Reasoning" 的官方源代码。

类似 Wireshark 的取证分析,用于 Model Context Protocol 通信,捕获、检查和调查你的 IDE 与 MCP 服务器之间的所有 HTTP 请求和响应。

Python中的CTI智能体记忆 — STIX知识图谱、威胁行为者别名解析、离线优先的RAG、适用于Claude Code和LangChain智能体的MCP服务器