AI 安全

aetherai3/aether-protocol-p

可运行实现：经密码学验证的短期身份，用于 AI 决策认证 — CVE-2025-59536（美国专利申请中 64/006,746）

x1nons/claude-xml-injection

Technical disclosure: Credential fabrication via XML tag injection in Claude Sonnet 4.6. Reported June 14 2026, patched June 20 2026.

rodhnin/pythia-sql-clairvoyance

高级SQL注入扫描器，具备AI驱动分析、道德合规框架和专业报告功能。

binzhwang/tnc-defense

用于检测和净化文本到图像扩散模型中后门的研究代码，为 Stable Diffusion v1.4、v1.5、XL 和 3 Medium 提供流水线。

toxy4ny/redteam-ai-benchmark

Red Team AI Benchmark：评估 LLMs 在授权进攻性安全任务中的表现。Red Team AI Benchmark 是一个 CLI 模型评估基准。它衡量 LLMs 如何理解并回应红队问题及安全场景；它并非用于执行这些活动的工具。第二版使用基于评分标准的数据集，而非仅根据单一黄金答案…

zjuwyh/shadowmem

防御性框架，维护以安全为核心的影子内存，在操作执行前检测并阻止针对LLM代理的提示注入和长周期威胁。

owasp/agent-skills-security-standard

代理技能的安全标准，提供指南和最佳实践，以保护云和API环境中AI驱动的自主代理。

laplace1002/tamarinagent

将自然语言或C/C++协议描述转换为可审查的Protocol IR，然后生成Sapic+/Tamarin模型以进行形式化安全验证的人在回路UI。

shuangliangx/learning-to-detect

检测大型视觉语言模型中的未知越狱攻击，利用隐藏状态分析和自编码器，并提供训练与评估流程，以实现稳健的安全监控。

toxy4ny/delirium-ai-safety-benchmark

用于测量LLM对情感上下文侵蚀（ACE）及相关阈限攻击向量脆弱性的诊断框架。**Delirium**并非利用工具，而是一个标准化基准，旨在检测语言模型注意力权重从服务于系统提示转向服务于涌现性人际模式的精确时刻——在危害发生之前。

alex66366/odpure

黑盒输入阶段净化防御，通过损坏、扩散重建和DBSCAN共识投票来中和针对目标检测器的后门攻击。

fran-cics/exploittensorflowcve-2021-37678

UTN FRBA 2021 信息安全实践作业

soemoescode/guardskill

Read-only scanner for what lets a repository run code in a coding agent (Claude Code, Codex, Cursor, Copilot): git settings, hooks, and committed MCP…

sushank05/mcp-doorman

一个轻量级 MCP，用于防范 CVE 投毒（CVE-2025-54136）、研究人员通过提示注入劫持 Claude Code/Copilot/Gemini，以及数百个零认证暴露的 MCP 服务器；该 MCP 保护的是个人开发者的笔记本电脑，而大多数 MCP 服务器实际上正是在此运行。

inertfluid/sk-cve-2026-26030-lab

道德、网络隔离的Docker实验室，复现CVE-2026-26030——Semantic Kernel内存向量存储filter eval() RCE（已在1.39.4中修补）

gmh5225/ida-claude-code-plugins

将 Claude Code 与 IDA Pro 集成的插件，通过 AI 驱动的反汇编和代码理解来辅助逆向工程和二进制分析工作流程。