#1针对网络攻击场景的 LLM 智能体基准测试偏差

一种用于保护大型语言模型(LLM)系统提示词免受对抗性提取攻击的黑盒优化方法。

4 位量化对聊天模型的安全行为而言,是否不只是噪声?代码、预注册与标签。

Framework for training LLM cybersecurity agents without runtime environments, synthesizing CTF solving trajectories via persona-driven simulation and…

“跨七个大型语言模型对对抗性越狱攻击与防御的系统性评估”的代码

机器学习驱动的威胁检测与持续监控平台,专为联邦零信任架构打造。

用于深度学习系统的隐私测试库,能够评估其对成员推断、模型提取和模型反演攻击的敏感性,并评估隐私保护技术。

用于 AI 应用的多层提示注入检测器,采用启发式规则、基于 LLM 的分析、vectorDB 攻击特征以及 canary token 泄露检测。

用于时间序列智能的端到端 Python 框架,提供异常检测、预测、变点检测、AutoML、集成学习与基准测试流水线。

本项目包含CERT Basic Fuzzing Framework (BFF)和CERT Failure Observation Engine (FOE)的源代码。

3D被动式人脸活体检测(防欺骗)与深度伪造检测。仅需一张图像即可计算活体分数。在我们的数据集上准确率达到99,67%,并在多个公共数据集(NUAA、CASIA FASD、MSU...)上获得满分。