

基于Streamlit的内部威胁检测原型,使用XGBoost和Isolation Forest分析员工活动数据,生成风险摘要,并提供基于SHAP的每员工解释。

本项目(目前仅为PoC,是Shit Bucket的一部分)涉及人脸检测、人脸识别和对抗输入,以保护头像。

一个面向网络安全运营中人工智能的开放测试平台与基准。

AI策展的阻止列表,包含超过300万个域名,用于拦截广告、追踪器、恶意软件和加密货币劫持。可与hosts文件、Pi-hole和浏览器广告拦截器集成。

针对移动端设备上AI系统的攻击与防御研究精选阅读清单及分类体系,涵盖对抗攻击、后门攻击、模型窃取攻击及能耗-延迟攻击,同时涉及混淆、TEE与水印防御措施。

用于深度学习系统的隐私测试库,能够评估其对成员推断、模型提取和模型反演攻击的敏感性,并评估隐私保护技术。

用于 AI 应用的多层提示注入检测器,采用启发式规则、基于 LLM 的分析、vectorDB 攻击特征以及 canary token 泄露检测。

用于时间序列智能的端到端 Python 框架,提供异常检测、预测、变点检测、AutoML、集成学习与基准测试流水线。

3D被动式人脸活体检测(防欺骗)与深度伪造检测。仅需一张图像即可计算活体分数。在我们的数据集上准确率达到99,67%,并在多个公共数据集(NUAA、CASIA FASD、MSU...)上获得满分。