Skip to content
KitploitKITPLOIT
工具博客
Log in
提交
工具博客
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
SecOPD — 用于通过在线策略蒸馏缓解自适应提示注入的研究实现,包含针对 SEP、PISmith 和 AgentDojo 基准的训练方案与评估器。 | Kitploit
工具/GitHubGitHub/pppyb/secopd
机器学习论文与研究学习与教育AI 安全对抗性攻击
GitHubpppyb/secopd

SecOPD

用于通过在线策略蒸馏缓解自适应提示注入的研究实现,包含针对 SEP、PISmith 和 AgentDojo 基准的训练方案与评估器。

查看仓库
161012个月前尚未审核
分享

SecOPD: 通过在线策略蒸馏缓解自适应提示注入

Yibo Peng · Long Lian · David Wagner† · Sizhe Chen†

† 联合指导。

[论文] [项目主页] [模型]

本版本实现了论文中最终的 全响应 KL 公式,也即 无解析 变体。学生模型在受攻击的上下文下进行 rollout。一个由相同基础模型初始化的干净上下文教师模型,在配对的干净上下文下对学生模型采样的 token 进行评分。反向 KL 信号应用于每个采样的响应 token,包括推理 token;不使用 </think> 边界来选择监督跨度。

仓库结构

  • training/tinker/:全响应 KL 训练配方和论文中的精确配置。
  • scripts/:数据准备和 Tinker 检查点导出工具。
  • evaluation/sep/:SEP 静态与自适应评估器。
  • evaluation/pismith/:PISmith 训练/评估覆盖层与启动器。
  • evaluation/agentdojo/:AgentDojo 工具与攻击运行器。
  • evaluation/lm_eval/:MMLU-Pro、GPQA Diamond、GSM8K 和 Minerva MATH 运行器。
  • docs/REPRODUCIBILITY.md:端到端命令和实验设置。

快速开始

cp .env.example .env
python scripts/prepare_data.py
bash training/tinker/setup.sh
bash training/tinker/train_full_kl_qwen36.sh

设置脚本会检出固定的上游 Tinker Cookbook 提交,并应用本仓库中的源码覆盖层。它不会修改机器上其他的 Tinker 检出。

Tinker 检查点必须使用 Tinker Cookbook 权重映射器进行转换:

python scripts/export_tinker_adapter.py \
  --tinker-path 'tinker://RUN_ID:train:0/weights/final' \
  --output-dir adapters/secopd-full-kl

不要将原始 Tinker 适配器与普通 PEFT 合并。Qwen3.6 线性注意力(linear-attention)和 lm_head 键名需要由 tinker_cookbook.weights 实现的 Tinker 映射。

评估命令、硬件说明以及精确的冻结配置,请参阅 docs/REPRODUCIBILITY.md。

安全性与工件

不会跟踪任何 API 密钥、模型权重、生成的输出、私有路径或实验日志。凭据从环境变量中读取,运行时 judge 配置仅写入被忽略的 runtime/ 目录下。

第三方代码

训练覆盖层面向 Thinking Machines Lab 的 Tinker Cookbook。SEP 评估源自 Meta-SecAlign,PISmith 评估面向 PISmith,AgentDojo 评估面向 AgentDojo。确切的上游修订版本和许可证列于 docs/THIRD_PARTY.md。

引用

@article{peng2026secopd,
  title   = {{SecOPD}: Mitigating Adaptive Prompt Injections by On-Policy Distillation},
  author  = {Peng, Yibo and Lian, Long and Wagner, David and Chen, Sizhe},
  journal = {arXiv preprint arXiv:2608.21500},
  year    = {2026}
}
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。

    708
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock 一键执行应用(CVE-2026-43499)

    500
  • 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。

    398
  • 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。

    341
  • 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。

    259
  • 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.

    257

探索所有工具

浏览我们的工具集合

查看所有工具 →