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
autonomous-offensive-llm-handbook — 一个用于自主攻击性LLM代理的确定性测试框架与操作手册,通过强制执行授权、范围和证据门控,确保渗透测试的可复现性与诚实性。 | Kitploit
工具/GitHubGitHub/mouteee/autonomous-offensive-llm-handbook
漏洞分析渗透测试论文与研究学习与教育红队精选资源AI 安全
GitHubmouteee/autonomous-offensive-llm-handbook

autonomous-offensive-llm-handbook

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 →

一个用于自主攻击性LLM代理的确定性测试框架与操作手册,通过强制执行授权、范围和证据门控,确保渗透测试的可复现性与诚实性。

查看仓库网站
7810471个月前Kitploit 审核通过
分享

📖 在线阅读手册:从第一次运行 fixture 到构建一个具有明确限制的 agent,逐步跟随课程学习。

一个自主机器 agent 位于发光的控制边界内,观测数据通过闸门进入,证据记录从系统中输出。概念封面图。

模型提出建议,代码做出裁决

自主安全 / 构建者实战手册

阅读网站 · 开始课程 · 运行实验环境 · 接入你的模型 · 构建流程

一本实用手册,教你构建自主安全 agent,并对模型可以决定什么设定明确的限制。学习如何将观测转化为计划、仅允许被许可的操作、将发现与证据绑定,并对无法完成的工作进行说明。

模型始终是概率性的。宿主应用程序负责授权、允许的操作、证据记录和验收。重放冻结的输入和策略可以复现这些控制决策;但这并不能使实时目标或模型响应变得可重复。

从这里开始

你应当能够轻松阅读基本的 Python、JSON 和 HTTP。按照核心路线,从第一次运行一直走到组装完成的应用程序。调度课程会引导你了解一个简短的基线选择契约;自适应控制器在核心构建完成后是可选的。在此过程中,你将编辑起始文件并运行检查,这些检查会在你的代码正常工作之前一直失败。课程可离线运行,无需 API 密钥或目标连接。

阅读网站按顺序呈现课程,带有导航、图表和搜索功能。使用网站指南在本地构建或预览它。

从本仓库的本地副本开始:

python3 -m venv .venv
source .venv/bin/activate
python3 -m pip install -r requirements.txt
python3 -m harness.demo --out /tmp/harness-report.json
diff -u harness/report.json /tmp/harness-report.json
python3 -m pytest tests/test_harness.py

本次发布已在 CPython 3.14 上验证。更早的 Python 版本不属于发布证据的一部分;如果你使用更早的版本,请在依赖结果之前运行下面的完整门禁序列。

当报告与已提交的示例一致时,diff 不会输出任何内容。打开报告,从头部发现项所建议的严重级别追踪到其受管控的严重级别。然后检查被拒绝的 raise 以及合成标记被允许的 raise。这两项发现仍然需要人工审查。

阅读输入清单、实现和对抗性测试,并与示例报告对照。当你能够解释为什么某个操作被允许、为什么某个 raise 被拒绝,以及报告的覆盖率计数实际衡量的是什么时,你就完成了本简介。

默认的 harness 实验环境不发起网络请求,也不调用任何模型。其证明谓词是合成的,其主机和适配器均受信任,并且每一项发现都被标记为需要人工审查。该实验环境不实现个人的验收或报告签署工作流。逐字引用确立的是引用完整性,而非可利用性。更少的模型调用和更少的返工是设计目标,而不是由语料库衡量的节省量。

连接你的模型

你的模型提供提案。应用程序保留策略和状态,检查每个提案,运行被允许的 fixture 操作并记录结果。本仓库为你提供应用程序和练习;模型连接由你提供。

your model -> JSON proposal -> application checks -> fixture tool -> evidence + report
                                  |
                             reject or stop

先使用其模拟模型传输运行组装好的应用程序:

python3 -m examples.app_agent --out /tmp/agent-report.json --store /tmp/agent-memory.db
python3 -m pytest tests/test_app_agent_example.py -q

检查 /tmp/agent-report.json 中的提案状态和证据。然后按照 连接你自己的模型 使用本地模型或编写传输包装器。较早的 模型桥接 仍然是一个较小的连接练习,使用不同的提案格式。两个示例都将工具操作保持在固定装置上,包括当真实模型提供回复时。

该指南说明了需要替换的内容、要返回的 JSON、要保留的检查、预期的报告以及添加实时工具之前剩余的工作。

控制边界

参考架构:操作员策略和模型提案在受信任的适配器捕获证据并生成报告之前进入应用程序检查。可选的模型桥接使用固定装置工具;发现生成是一个单独的接口。

该图将实验室的控制与提案连接结合起来。模型桥接演练了操作准入和证据捕获;默认实验室单独演示了发现治理。两者都不是完整的实时安全代理。

按此顺序构建你的代理

核心路线从首次运行开始,经过策略、提案、调度、记忆、验证和恢复,最终到达组装好的应用程序。可选的控制器路线通过控制器密钥重新连接。

点击任何图表即可全尺寸打开;在窄屏幕上你也可以横向滚动它。

这是学习顺序。在运行时,授权和门控先于调度。每节课都应为你留下一个小型组件、一个对抗性测试和一个你可以检查的工件。

构建步骤课程当前覆盖范围
运行并跟踪一次完整的固定装置运行第 1 课可运行、字节可复现的报告
约束代理:策略、记录、一个写入边界、强制阶段第 2 课和第 3 课可运行,带有记录的拒绝
通过验证和有界修复连接模型提案第 4 课可运行的假提供者;演示了敌意文本拒绝
选择并调度具有不同结果的工作第 5 课可运行;六状态账本
检索记忆并组装上下文而不丢失约束第 6 课和第 7 课可运行;组件分数和遗漏记录
验证证据并审查发现第 8 课可运行;错误拒绝保持可见
停止、恢复并负责任地完成第 9 课可运行;恢复从不虚构成功
围绕你的模型组装应用程序第 16 课可运行、配置驱动、门控完成
在核心构建之后研究自适应选择可选控制器课程可运行的控制器实验室,默认关闭学习

core/(扁平模块)和 walkthrough/ 下的早期组件保留了历史案例研究,包括已知缺陷;课程的教学包位于它们旁边,在 core/run/、core/memory/ 和 core/controller/ 下。使用案例研究来理解为什么存在某个控制以及之前出了什么问题,并使用证据登记册了解本书背后的研究做了什么和没有展示什么。

课程

下载工具