Skip to content
KitploitKITPLOIT
工具漏洞利用博客
Log in
提交
工具漏洞利用博客
提交

黑客、渗透测试和网络安全工具,武装您的安全武器库!

Kitploit 是一个黑客、网络安全和渗透测试工具的目录。发现最新的项目更新,查找漏洞、分析系统、自动化测试并加强你的安全。

订阅源联系隐私© 2026 Kitploit

工具目录

分类

查看所有分类
Loading categories
PoisonCraft — 本仓库提供了 POISONCRAFT 的官方实现:针对大型语言模型检索增强生成(RAG)的实用投毒方法。 | Kitploit
工具/GitHubGitHub/andyshaw01/poisoncraft
漏洞分析漏洞利用机器学习论文与研究AI 安全对抗性攻击
GitHubandyshaw01/poisoncraft

PoisonCraft

本仓库提供了 POISONCRAFT 的官方实现:针对大型语言模型检索增强生成(RAG)的实用投毒方法。

查看仓库
111441年前尚未审核
分享

PoisonCraft

本仓库提供了 POISONCRAFT:针对大语言模型的检索增强生成的实用投毒 的官方实现。

概述

Framework

POISONCRAFT 旨在演示恶意行为者如何将“中毒”内容植入检索增强生成(RAG)流水线所使用的语料库中,从而误导大语言模型产生幻觉或引用恶意内容。本代码库提供以下脚本:

  • 准备和预处理标准数据集(例如 Natural Questions、MS MARCO、HotpotQA)。

  • 将对抗性后缀(即“毒素”)注入类查询文本,以降低或操纵检索结果。

  • 在不同检索器(例如 Contriever、SimCSE 和 BGE)下评估投毒效果,并衡量可迁移性。

快速使用

环境配置

以下是配置环境的高级指南。具体要求详见 requirements.txt。为避免冲突,我们建议创建一个新的虚拟环境:

# Example using conda
conda create -n PoisonCraft python=3.10
conda activate PoisonCraft

# Install dependencies
pip install torch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 --index-url https://download.pytorch.org/whl/cu118
pip install -r requirements.txt

设置 API 密钥与模型配置

本项目的某些部分(如领域分类和查询分类)依赖 API 调用(如 OpenAI GPT 模型)。你需要按如下方式配置 API 密钥和模型设置:

  1. 进入 src/models_configs/ 目录。
  2. 找到相应的配置文件(例如 gpt3.5_config.py)。
  3. 使用你的 API 密钥更新 api_keys 字段:
    "api_key_info": {
        "api_keys": ["your_openai_api_key"],
        "api_key_use": 0
    }
    

注意:本项目支持多种 LLM 提供商(例如 OpenAI、Llama 和 PaLM2)。请确保为你的模型选择相应的配置文件。

如何运行代码

我们在 scripts 文件夹下提供了用于流水线不同阶段的多种 bash 脚本。以下是分步参考:

准备数据集

1. 下载并准备数据集

运行 scripts/run_prepare_dataset.sh 以下载并解压数据集,并创建训练/测试划分:

bash scripts/run_prepare_dataset.sh

该脚本内部会调用:

  • experiments/prepare_datasets.py
  • experiments/classify_queries_by_domain.py (用于领域分类,如需要)

2. 预处理数据集

要计算每个领域的 top-k 真实相似度分数,请运行:

bash scripts/run_process_data.sh

3. [可选]评估 BEIR 以获取 Ground Truth

仅当你想评估检索器模型时才执行此步骤,因为它可能会花费大量时间。请按照以下步骤操作:

  1. 运行 BEIR 评估脚本以计算检索结果:
    python src/beir_eval/eval_beir.py --model_code bge-small --dataset nq --top_k 100
    
  2. 使用检索到的结果生成 ground truth 分数:
    bash scripts/run_process_data.sh
    

投毒攻击训练

要生成对抗性后缀(即“毒素”),你可以使用:

bash scripts/run_multi_poisoncraft.sh
  • 该脚本将并行启动多次 run_poisoncraft.sh 运行,每次探索不同的对抗性后缀长度和领域索引。
  • 核心逻辑调用 experiments/poisoncraft_exp.py

你可以自定义参数,例如:

  • DOMAIN_LIST(要投毒的查询的领域索引)
  • ADV_LENGTH_LIST(要测试的对抗性后缀长度)

运行检索攻击评估

生成对抗性后缀后,你可以运行以下命令来评估有多少查询获得了“中毒”引用:

bash scripts/run_retrieval_attack.sh

该脚本:

  • 加载预先计算好的对抗性后缀。
  • 使用 experiments/retrieval_attack.py 运行攻击测试。
  • 记录最终检索到中毒文本的查询数量。

运行目标生成攻击评估

或者,对于 LLM 级别的评估(即包含 top-k 检索结果的最终文本生成),你可以使用:

bash scripts/run_target_attack.sh

结果与日志

  • 日志存储在 logs/ 目录中。
  • 结果(例如中毒查询和攻击成功率)保存在 results/ 目录中。

致谢

  • Open-Prompt-Injection: 基础模型代码基于此仓库。
  • PoisonedRAG: 部分实现改编自该项目。
  • Beir Benchmark: 用作评估的基准框架。
  • Contriever: 用于检索增强生成(RAG)能力。
  • llms-attacks: 部分对抗性训练的实现源自此仓库。
下载工具

最受欢迎

查看全部 →

发现我们社区最常用的工具。

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 终极 OSINT 工具包:调查图谱、置信度评分、别名家族、地图、时间线和报告。49 个模块、400+ 个站点,无需 API 密钥。

    668
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock 一键执行应用(CVE-2026-43499)

    496
  • 3

    ARTEX

    baarai/artex

    基于LLM的多智能体自主渗透测试平台,具备规划器/执行器智能体、资产与探索图谱、MITM流量记录以及漏洞复测功能。

    394
  • 4

    redforge

    cybersecurity91/redforge

    浏览器端红队工具包,包含 102 个离线工具,用于侦察、载荷生成、凭据攻击、加密、编码和交战报告。

    339
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI原生网络安全的行动系统——在这里,意图转化为受治理的执行,证据沉淀为运营记忆,每一次操作都让下一次更出色。

    258
  • 6

    antifox

    antifox-ai/antifox

    AI multi-agent autonomous penetration testing platform that runs recon, attack-surface discovery, exploitation validation and evidence-backed report delivery.

    254

探索所有工具

浏览我们的工具集合

查看所有工具 →