#1
双层 LLM 防火墙,通过正则规则加 Gemini 分类器拦截提示注入输入,并捕获机器人响应中的密钥或系统提示泄露。

面向Linux服务器的内核级安全与攻击响应。

一种面向审计的风险模型,用于描述智能体生成的推断如何通过持久记忆改变其认识论地位、获得操作权限并影响后续决策。

用于分析可移植可执行(PE)文件的Java库,重点关注恶意软件分析和PE格式畸形的鲁棒性。

运行时防护技能,用于检测并阻止技能增强型智能体中由技能引发的恶意攻击,并采用MCTS循环,根据推演反馈演化防护策略。


可复现的 Colab 流水线,将六个 AI 安全素养能力维度建立在公开基准和调查微观数据之上,生成图表、表格和可续跑的结果。

基于eBPF的Linux rootkit检测器,使用多通道交叉视图分析(sched_switch、NMI、/proc)来检测DKOM、tracepoint篡改和进程隐藏,并具备硬件级完整性验证。


在攻击到达您的 LLM 之前阻止提示注入攻击 — 零 API 成本,完全本地运行,2 分钟集成。提示注入是 LLM 应用的第一大安全风险。aco-prompt-shield 捕获已知的越狱模式,通过 ML 理解语义意图,并检测混淆 — 全部本地化,全部私密。

反向代理 Web 应用防火墙,具备 L3/L4/L7 层 WAF、反机器人和反 DDoS 防护、自定义规则、速率限制、地理/IP 过滤和攻击分析功能。支持本地部署或 SaaS 模式。


用于私有、可验证、拜占庭鲁棒的联邦入侵检测协议的仿真代码和结果,该协议使用秘密共享、Merkle 审计和 Pedersen 承诺。

Kratos Minifilter 是一个 Windows 内核驱动(FLTMGR.SYS),用于实时勒索软件检测和文件 I/O 缓解。它拦截底层 IRP,以即时阻止未经授权的大规模加密和 canary 触发。

面向 Android 的零信任蜂窝防御子服务(IMSI-Catcher、2G SMS Blaster 和 4G aLTEr 检测与安全路由)


“Hard Stop:面向失控智能体执行的核级抢占与遏制”的参考实现。带外认知安灯拉绳、亚毫秒级(<0.154 ms)POSIX 进程组抢占,以及抗撕裂读的 WAL 状态提取。

我在武器化 ONOS 应用程序方面的实验 (https://github.com/opennetworkinglab/onos)