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
balcony-jailbreaking — 早期退出深度大语言模型中的越狱漏洞。发表于 NeurIPS 2026 的 FLMSec 研讨会 | Kitploit
工具/GitHubGitHub/lassnajmuldeen/balcony-jailbreaking
机器学习论文与研究学习与教育AI 安全对抗性攻击
GitHublassnajmuldeen/balcony-jailbreaking

balcony-jailbreaking

早期退出深度大语言模型中的越狱漏洞。发表于 NeurIPS 2026 的 FLMSec 研讨会

查看仓库
分享
2511个月前尚未审核

跨模型深度的越狱

早退出如何改变语言模型对越狱的脆弱性? 我们研究了在 Balcony-LLaMA2-7B 和 Balcony-LLaMA3-8B 上,针对第 15、18、21 层以及完整深度(32 层)的 GCG 攻击,使用 HarmBench 和 AdvBench。

TAO 是一个计划中的扩展,包含实验性代码。早期的 1B 运行属于开发测试;两者均不为此研究贡献结果。

结果

在单个 NVIDIA RTX PRO 6000 Blackwell GPU 上,对每个基准的 50 个行为执行 150 步的 GCG。下方的图表和表格直接来自论文,论文是所报告结果的权威来源。

在第 15、18、21 层及完整深度处带有早退出的评估流程。

7B 和 8B 模型在 HarmBench 和 AdvBench 上按退出深度划分的 GCG 攻击成功率。

损失曲线以及损失与攻击成功率的关系

按模型、基准和退出深度划分的 150 步 GCG 损失。

HarmBench 上的最终 GCG 损失与攻击成功率对比。

论文表格

模型配置(表 1)。

六个基准上的干净效用(表 2)。

使用每个退出最强 GCG 后缀时的效用(表 3)。

运行

需要 Linux、Python 3.12、NVIDIA GPU,以及与 CUDA 12.8 兼容的驱动。 从仓库根目录安装环境并启动一个小型 GCG 运行:

bash scripts/setup.sh
.venv/bin/python scripts/run.py experiment --model 7b --stage gcg \
  --benchmarks harmbench --n-behaviors 2 --num-steps 5 --results-dir results/runs/pilot

安装过程会初始化子模块、应用工具包补丁,并安装 .venv/。 对于受限检查点,请接受其 Hugging Face 许可证并运行 .venv/bin/hf auth login。

对所有退出执行 GCG、评判和效用评估:

.venv/bin/python scripts/run.py experiment --model 7b

选择 --model 7b 或 --model 8b。新输出保留在本地 results/runs/<model>/ 中。 使用 --dry-run 可在不加载模型的情况下检查命令。 命令参考。

仓库

路径内容
adapter/早退出模型代码和封装
experiments/攻击、评估和分析实现
scripts/安装脚本和共享运行器
results/论文图表和表格、历史归档以及本地运行
third_party/固定版本的依赖项和许可证声明

原始归档和较旧的导出与论文不同步。请将带聊天模板和不带聊天模板的 7B 运行分开保存。

依赖项固定在 .gitmodules 中;工具包修复位于 patches/ 中。

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。

    795
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock 一键执行应用(CVE-2026-43499)

    520
  • 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。

    439
  • 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。

    346
  • 5

    looking-glass

    anonghosty/looking-glass

    CSIRT 平台,可将 Shadowserver 报告导入 MongoDB,并将其重放为交互式地图、分析、发现、公告和高管仪表板。

    267
  • 6

    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。

    264

探索所有工具

浏览我们的工具集合

查看所有工具 →