mcpguard-dynamic

MCPGuard-Dynamic Sandboxing a nivel de kernel para llamadas a herramientas de agentes LLM realizadas a través del Protocolo de Contexto de Modelo MCP. MCPGuard actúa como un proxy transparente entre un cliente MCP el agente / ejecutor y un subproceso de servidor MCP, aplicando tres capas de defen...

SWE-agent

!warning La mayor parte de nuestro esfuerzo actual de desarrollo está en mini-swe-agent, que ha reemplazado a SWE-agent. Iguala el rendimiento de SWE-agent, siendo mucho más simple. Consulta las FAQ para más detalles sobre las diferencias. Nuestra recomendación general es usar mini-SWE-agent en...

osmedeus

Osmedeus Osmedeus - A Modern Orchestration Engine for Security What is Osmedeus? Osmedeus is a security focused declarative orchestration engine that simplifies complex workflow automation into auditable YAML definitions, complete with encrypted data handling, secure credential management, and...

pike-agent

Agente Pike pike-agent registra y analiza cómo se comportan los programas en Linux. Rastrea la actividad de un programa, la indexa en una base de datos y te permite chatear con un agente LLM al respecto en una TUI. Ejemplo de indicaciones: Diagnóstico de fallos: This program crashed with a bus...

BoxPwnr-Traces

BoxPwnr-Trazas BoxPwnr trazas y resultados de benchmarks en múltiples plataformas de seguridad. Cada traza incluye la interacción completa con el LLM, comandos ejecutados, un informe en markdown + gráfico de ataques, estadísticas y configuración utilizada. Navega por las clasificaciones, reproduc...

BoxPwnr

BoxPwnr Un experimento divertido para ver hasta dónde pueden llegar los Modelos de Lenguaje de Gran Escala LLMs por sí solos resolviendo desafíos CTF y laboratorios de seguridad. Comenzó con HackTheBox y ahora abarca muchas plataformas y solucionadores agénticos. BoxPwnr proporciona un sistema...

cve-bench

CVE-Bench Un benchmark para evaluar agentes de LLM en la corrección de vulnerabilidades de seguridad reales. Los agentes se ejecutan dentro de contenedores Docker aislados y se puntúan según la suite de pruebas de seguridad del mantenedor. Requisitos Python 3.12+ Docker OPENAIAPIKEY,...

auto-re-agent

re-agent Autonomous reverse-engineering agent — source-aware reverser/checker loop, objective verifier, parity engine, and Ghidra backend. Overview Demo: YouTube re-agent automates a reverse-engineering workflow by combining a reverser/checker loop with Ghidra decompilation through...

xalgorix

Xalgorix — Open-source AI pentester that proves vulnerabilities Most scanners detect. Xalgorix proves. An autonomous LLM agent works a full pentest methodology, then an independent verifier re-exploits every finding before it's reported — so you get proof, not a pile of maybes to triage...

xalgorix

Xalgorix — Pentester de IA de código abierto que demuestra vulnerabilidades La mayoría de los escáneres detectan. Xalgorix demuestra. Un agente LLM autónomo ejecuta una metodología completa de pentesting, y luego un verificador independiente reexplica cada hallazgo antes de que se reporte — así...

SecurityClaw

SecurityClaw — Framework Agente Autónomo de SOC Un agente autónomo modular y basado en habilidades del Centro de Operaciones de Seguridad SOC que monitorea datos de OpenSearch/Elasticsearch, construye memoria conductual basada en RAG y valida anomalías en tiempo real usando LLMs. Funcionalidades...

autonomous-offensive-llm-handbook

The model proposes, the code disposes A deterministic harness for autonomous offensive agents. The model remains probabilistic. The host application owns authorization, allowed actions, evidence records and acceptance. Replaying frozen inputs and policy can reproduce those control decisions; it...

llm-agent-testbed

🛡️ LLM Agent Security Testbed Empirical Vulnerability & Defense Harness for Tool-Calling LLM Agents A disciplined security testbed testing whether tool-equipped LLM agents can be manipulated into unauthorized data exfiltration via prompt injection, role-claim social engineering, and confused-deput...

T-MAP

T-MAP: Red-Teaming LLM Agents with Trajectory-aware Evolutionary Search T-MAP is a trajectory-aware evolutionary search framework for red-teaming LLM agents over MCP servers. It iteratively generates and mutates adversarial prompts guided by execution trajectories, mapping the agent's vulnerabili...

ROPE

ROPE: Routed Origin Policy Enforcement Source code of our paper: ROPE: Routed Origin Policy Enforcement against Indirect Prompt Injection by Xinhang Ma, Chaowei Xiao, William Yeoh, Ning Zhang, Yevgeniy Vorobeychik Abstract Indirect prompt injection IPI plants instructions in the content a...

CVE-2026-19645 Multiple vulnerabilities in IBM MQ Agent images

IBM MQ Agent CD: v1.0.0, v1.0.1, v2.0.0, v2.0.1 An authenticated user with a valid session cookie can submit arbitrarily large or computationallyexpensive requests that cause the LLM agent workers to be held for extended periods — rangingfrom tens of seconds to over ten minutes per request. When...

CVE-2026-19645

IBM MQ Agent images (CD versions v1.0.0, v1.0.1, v2.0.0, v2.0.1) are affected by a vulnerability where an authenticated user with a valid session cookie can submit arbitrarily large or computationally expensive requests that hold LLM agent workers for extended periods—ranging from tens of seconds...

EUVD-2026-71259

IBM MQ Agent CD: v1.0.0, v1.0.1, v2.0.0, v2.0.1 An authenticated user with a valid session cookie can submit arbitrarily large or computationallyexpensive requests that cause the LLM agent workers to be held for extended periods — rangingfrom tens of seconds to over ten minutes per request. When...

CVE-2026-75857 CodeWhale before 0.8.64 Privilege Escalation via exec_shell_interact

CodeWhale versions = 0.8.41 and 0.8.64 contain a vulnerability in the execshellinteract alias execinteract tool, whose approvalrequirement returns ApprovalRequirement::Auto. This overrides the default Required approval for code-executing tools, so LLM-controlled stdin is written into an...

An Organization-Scoped LLM Agent Runtime Architecture for Regulated Cybersecurity Operations

Regulated cybersecurity workflows lack a runtime substrate that enforces organization-level scope across retrieval, tool calls, memory, findings, reports, and audit while remaining model-agnostic and locally deployable. Recent large language model LLM agent systems report strong results on isolat...