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
awesome-ai-security — 为渗透测试人员、漏洞猎手和安全研究人员精选的AI安全材料与资源列表。 | Kitploit
工具/GitHubGitHub/gmh5225/awesome-ai-security
CTF渗透测试论文与研究学习与教育红队精选资源学习路径与课程AI 安全对抗性攻击实验室与实践
GitHubgmh5225/awesome-ai-security

awesome-ai-security

6147894天前Kitploit 审核通过

最受欢迎

查看全部 →

发现我们社区最常用的工具。

探索所有工具

浏览我们的工具集合

查看所有工具 →
分享

为渗透测试人员、漏洞猎手和安全研究人员精选的AI安全材料与资源列表。

查看仓库

awesome-ai-securityAwesome

GitHub license

一份为渗透测试人员、漏洞赏金猎人和安全研究人员精心整理的 AI 安全材料与资源列表。

If you find that some links are not working, you can simply replace the username with gmh5225.
Or you can send an issue for me.

请尊重以下所有项目，它们都是完美的艺术作品 🫡

如何贡献？

  • https://github.com/HyunCafe/contribute-practice
  • https://docs.github.com/en/get-started/quickstart/contributing-to-projects

AI 智能体技能

本仓库提供了可与 AI 智能体和编码助手配合使用的技能，例如 Cursor、OpenClaw、Claude Code、Codex CLI 以及其他兼容工具。安装技能即可获取有关游戏安全主题的专业知识。

  • https://github.com/vercel-labs/skills [开放智能体技能工具 - npx skills]

在 learn-skills.dev 上查看

安装：

npx skills add https://github.com/gmh5225/awesome-ai-security --skill <skill-name>

可用技能：

技能描述
adversarial-machine-learning对抗性机器学习：对抗样本、数据投毒、模型后门和规避攻击
ai-powered-pentestingAI 驱动的渗透测试工具、红队框架和自主安全代理
llm-attacks-securityLLM 安全攻击：提示注入、越狱和数据提取
awesome-ai-security-overview本仓库概述和贡献指南
ai-security-toolingAI 安全工具：检测器、分析器、防护栏和基准测试

示例：

# Install LLM attacks skill
npx skills add https://github.com/gmh5225/awesome-ai-security --skill llm-attacks-security

# Install multiple skills
npx skills add https://github.com/gmh5225/awesome-ai-security --skill adversarial-machine-learning
npx skills add https://github.com/gmh5225/awesome-ai-security --skill ai-powered-pentesting

AI 安全入门套件

  • CTF / 练习

    • https://github.com/verialabs/ctf-agent [ctf-agent - 自主 CTFd 解题器：协调器 LLM + Docker 中的并行模型集群；BSidesSF 2026 第一名]
    • https://aivillage.org/ [DEF CON 上的 AI Village - LLM 越狱挑战]
    • https://doublespeak.chat/#/handbook [Doublespeak - AI 安全挑战]
    • https://github.com/EasyJailbreak/EasyJailbreak [对抗性越狱提示词框架]
    • https://github.com/microsoft/AI-Red-Teaming-Playground-Labs [Microsoft AI 红队演练实验室]
    • https://github.com/schwartz1375/genai-security-training [GenAI 红队训练]

  • 博客 / 资源

    • https://genai.owasp.org/ [OWASP GenAI 安全项目]
    • https://llm-stats.com [LLM 排行榜]
    • https://www.aidaily.win [AI 每日新闻]
    • https://baoyu.io/blog/how-to-write-good-prompt [如何编写优质提示词]
    • https://rootissh.in/ [LLM 渗透测试系列博客]
    • https://github.com/Abdowaer098/Wa3r-OffSec-Kit [Wa3r OffSec Kit - 包含实用工作流、载荷模式、案例研究和取证笔记的攻防安全知识库]

  • 新闻通讯 / 合集

    • https://mlsecops.com/podcast [MLSecOps 播客]
    • https://podcasts.apple.com/ph/podcast/the-genai-security-podcast/id1782916580 [GenAI 安全播客]
    • https://avidml.org/ [AI 漏洞数据库（AVID）]
    • https://calder-brief.pages.dev/ai-hub.html [Calder Brief AI 新闻中心 — 每日更新的 AI 新闻，包括 AI 安全/保障相关报道]

  • 认证 / 课程

    • https://cs229.stanford.edu/ [斯坦福 CS229：机器学习]
    • https://course.fast.ai/ [fast.ai 实用深度学习]
    • https://www.coursera.org/specializations/deep-learning [吴恩达深度学习专项课程]
    • https://huggingface.co/reasoning-course [构建类 DeepSeek-R1 推理模型]

AI/LLM 指南

  • 基础

    • https://d2l.ai/ [动手学深度学习 - 基于 PyTorch/JAX/TensorFlow 的交互式书籍]
    • http://neuralnetworksanddeeplearning.com/ [Michael Nielsen 著《神经网络与深度学习》]
    • https://www.deeplearningbook.org/ [Goodfellow、Bengio、Courville 著《深度学习》]
    • https://github.com/karminski/one-small-step [AI/LLM 教程]
    • https://github.com/datawhalechina/happy-llm [LLM 原理与实践教程]
    • https://github.com/rasbt/LLMs-from-scratch [从零构建 LLM]
    • https://github.com/naklecha/llama3-from-scratch [从零实现 LLaMA3]
    • https://github.com/ZJU-LLMs/Foundations-of-LLMs [LLM 基础]

  • Awesome 列表

    • https://github.com/WangRongsheng/awesome-LLM-resourses [全面的 LLM 资源]
    • https://github.com/mahseema/awesome-ai-tools [Awesome AI 工具]
    • https://github.com/Shubhamsaboo/awesome-llm-apps [Awesome LLM 应用]
    • https://github.com/mahonzhan/awesome-agent-harness [精选的智能体框架、智能体框架、工作流框架及新兴智能体协议列表]
    • https://github.com/punkpeye/awesome-mcp-servers [Awesome MCP 服务器]
    • https://github.com/wong2/awesome-mcp-servers [Awesome MCP 服务器]
    • https://github.com/deepseek-ai/awesome-deepseek-integration [Awesome DeepSeek 集成]
    • https://github.com/lmmlzn/Awesome-LLMs-Datasets [Awesome LLM 数据集]

  • 从零构建 LLM / 推理

    • https://github.com/rasbt/LLMs-from-scratch/tree/main/ch05/11_qwen3 [从零实现 Qwen3 - 中文讲解]
    • https://github.com/rasbt/LLMs-from-scratch/blob/main/ch05/11_qwen3/standalone-qwen3-moe-plus-kvcache.ipynb [从零实现带 KV 缓存的 Qwen3 MoE]
    • https://github.com/rasbt/LLMs-from-scratch/tree/main/ch05/12_gemma3 [从零构建 Gemma 3 270M]
    • https://github.com/rasbt/reasoning-from-scratch [从零构建推理模型]
    • https://github.com/mingyin0312/RLFromScratch [从零实现强化学习（中文教程）]
    • https://github.com/karpathy/nanochat [约 8K 行的端到端 nanochat 训练循环]
    • https://github.com/kyegomez/OpenMythos [OpenMythos - 基于公开研究文献对 Claude Mythos 架构的第一性原理理论重建]
    • https://github.com/vixhal-baraiya/microgpt-c [MicroGPT-C — 用纯无依赖 C（单文件）训练和推理一个小型 GPT；fp32/AVX2 风格 CPU 路径；MIT]

AI 安全与攻击

提示注入

  • https://www.lakera.ai/blog/guide-to-prompt-injection [提示注入指南]
  • https://genai.owasp.org/llmrisk/llm01-prompt-injection/ [OWASP LLM01:2025 提示注入]
  • https://redbotsecurity.com/prompt-injection-attacks-ai-security-2025/ [2025 年提示注入攻击]
  • https://github.com/protectai/rebuff [自强化提示注入检测器]
  • https://github.com/NVIDIA/garak [NVIDIA LLM 漏洞扫描器]
  • https://github.com/deadbits/vigil-llm [检测提示注入与高风险输入]
  • https://github.com/alphasecio/prompt-guard [LLM 提示防御]
  • https://github.com/tml-epfl/llm-adaptive-attacks [针对 LLM 的自适应攻击]
  • https://github.com/RomiconEZ/llamator [LLM 漏洞测试框架]
  • https://github.com/gh0stOo/claude-md-vorlagen-de/blob/main/guides/prompt-hardening.md [德语提示注入加固指南，包含 10 个具体的修改前后代码模式（系统/用户分离、分隔符、输出验证、RAG 来源不信任）]
  • https://github.com/Vick606/subcanopy-guard [上下文感知的间接提示注入扫描器]

对抗攻击

  • https://gradientscience.org/intro_adversarial/ [对抗样本简介]
  • https://cset.georgetown.edu/publication/key-concepts-in-ai-safety-robustness-and-adversarial-examples/ [AI 安全与对抗样本]
  • https://github.com/Trusted-AI/adversarial-robustness-toolbox [IBM 对抗鲁棒性工具箱]
  • https://github.com/QData/TextAttack [针对 NLP 模型的对抗攻击]
  • https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-2e2025.pdf [NIST 对抗机器学习分类法]
  • https://llm-vulnerability.github.io/ [ACL 2024 教程：LLM 漏洞]
  • https://github.com/tensorflow/cleverhans [CleverHans - 机器学习漏洞基准]
  • https://github.com/bethgelab/foolbox [Foolbox - 对抗样本工具箱]
  • https://github.com/cchio/deep-pwning [Deep-pwning]

投毒与后门

  • https://arxiv.org/abs/2009.02276 [Witches' Brew：工业规模数据投毒]
  • https://arxiv.org/abs/2402.09179 [针对定制 LLM 的指令后门攻击]
  • https://arxiv.org/abs/2510.07192 [投毒攻击仅需少量数据点]
  • https://arxiv.org/abs/1910.03137 [MNTD：检测 AI 木马]
  • https://owasp.org/www-project-top-10-for-large-language-model-applications/ [OWASP 大语言模型应用 Top 10 2025]
  • https://github.com/git-disl/awesome_LLM-harmful-fine-tuning-papers [LLM 有害微调论文]

隐私与提取

  • https://www.usenix.org/conference/usenixsecurity21/presentation/carlini-extracting [从 LLM 中提取训练数据]
  • https://arxiv.org/abs/2309.10544 [模型吸血：针对 LLM 的提取攻击]
  • https://arxiv.org/abs/2301.10226 [大型语言模型水印]
  • https://arxiv.org/abs/2103.07853 [成员推理攻击综述]
  • https://arxiv.org/abs/2503.19338 [大规模模型上的 MIA 综述]
  • https://trustllmbenchmark.github.io/TrustLLM-Website/ [TrustLLM 基准]
  • https://github.com/stratosphereips/awesome-ml-privacy-attacks [Awesome ML 隐私攻击]
  • https://github.com/chawins/llm-sp [LLM 安全论文]
  • https://github.com/journey-ad/gemini-watermark-remover [客户端 Gemini AI 图像水印移除工具 - 反向 Alpha 混合]
下载工具