#1
Burp Suite 扩展,通过人工智能实现被动漏洞检测。

针对 Web 代理的提示注入检测基准测试。

Let AI agents explore a running game from the inside. Live, safe, instant.

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。

AI驱动的自动化威胁分析管道,将文件、URL、IP、域名或图像通过专业安全分析器进行路由,并生成集成了YARA和Sigma规则的专业PWNDoc报告。

一个用于检查 TorchServe 实例是否存在 CVE-2023-43654 漏洞的工具

MCP 正被快速采用。安全指南却滞后。这份检查清单为安全工程师、平台团队和技术领导者提供了保护 MCP 部署的清晰、可操作的安全基线——无论你是在交付内部工具,还是在构建面向客户的 AI 代理。

浏览器扩展,可检测 AI 聊天中的 PII 和敏感数据,在发送前用占位符进行掩码处理,并在回复中还原原始内容——全部在本地完成。


Noisegate:一个差分隐私网关,允许不受信任的 LLM 代理通过 MCP(模型上下文协议)查询敏感数据,并提供形式化保证:即使代理具有对抗性,任何个人的记录也不会泄露——强制执行逻辑位于模型下方的受信任代码中,并通过可运行的攻击库进行验证。

一个用于审计机器学习算法对抗性攻击和偏见的框架,提供教育工具和一篇学术论文,以弥合网络安全专业人员在机器学习安全方面的知识差距。

Volatility 3 plugin that carves MCP/JSON-RPC message candidates from Windows and Linux memory dumps, preserving raw bytes, addresses, and SHA-256 for…

针对对抗性 AI 代理的不对称防御。VeilGate 评估每个传入请求,将可疑代理重定向到每个 IP 一致性的蜜罐环境,并量化对攻击者施加的计算成本。

OWASP Web Security Testing Guide RAG系统,带有ChromaDB和用于Claude Code的MCP

面向自主代理的模块化安全工具包,提供静态分析、配置审计、运行时监控和供应链验证,以降低LLM驱动的风险。

大语言模型应用的可解释安全门控——拦截提示注入,并为每次决策提供可审计的理由。

针对编码智能体中上下文压缩的安全研究:展示不可信内容中伪造的角色标签如何经受住摘要处理并被实际执行,并附有测量数据、演示和修复方案。