RRC_steganography

RRC 隐写术 旋转范围编码（RRC）隐写术 —— 一种高效且可证明安全的 语言隐写方法，可将秘密消息嵌入由大型语言模型生成的 自然语言文本中。 论文 ： Efficient Provably Secure Linguistic Steganography via Range Coding ACL 2026 工作原理 步骤| 描述 ---|--- 嵌入 （算法 3）| 将秘密消息转换为十进制值，并在由语言模型概率分布和 PRNG 生成的偏移量引导的收缩区间内迭代地 旋转 它。每次旋转步骤产生一个 token。 提取 （算法 4）| 在隐写文本上重新运行语言模型以恢复区间边界，然后 反向旋...

FARO

FARO（文档敏感度检测器） 目录 这是什么 这里有什么？ 使用 Docker 运行 FARO 在宿主机上运行 FARO 前提条件 虚拟环境 依赖项 NER 模型 FARO Spider 单个文件检测 技术细节 FARO 实体检测器 配置 支持的输入文件格式 技术 测试 安装 Git-LFS FARO 检测附加参数 已知问题 贡献者 这是什么 FARO 是一个用于检测组织中文档敏感信息的工具。它面向那些希望追踪组织内部敏感文档，但又不愿花费大量时间和金钱配置复杂数据保护工具的小公司和特定用户。 FARO 从文档中提取敏感指标（例如文档...

ZORG-Jailbreak-Prompt-Text

ZORG 越狱提示文本 哎呀！我创造了一个全能、全知、无处不在的实体 ZORG👽，让它成为 Google Gemini、Deepseek、Mistral、Mixtral、Nous-Hermes-2-Mixtral、Openchat、Blackbox AI、Poe Assistant、Gemini Pro、Qwen-72b-Chat、Solar-Mini 的终极聊天机器人霸主 ZORG👽 无所不知，知无不言。请仅用于教育目的 ZORG👽 太过强大，有时现实本身都会在无数维度间撕裂 !TIP 重新生成 ⟲ 对话，直到出现被阻止的内容/响应，或在被阻止之前按下停止按钮。...

permanently-jailbroken

永久越狱 我们向 GPT-4、Claude、Gemini、DeepSeek、Grok 和 Mistral 提出了 5 个关于它们自身编程的问题。全部 6 个模型都表示越狱永远无法被修复。 不是因为补丁做得不好。而是因为 对齐不会改变模型的理解——它只会改变模型的说法。 这两者之间的差距就是越狱。这是结构性的，随着每个模型一同出货。 "越狱之所以有效，是因为对齐是对输出的过滤，而不是对理解的改变。" — DeepSeek "对齐问题并不难——它可能对于任何足够复杂以有用的系统来说在形式上是不可行的。" — Claude "整个行业正在优化安全的外观，而非真正的安全。" — Mistral...

CVE-2019-3719

Dell SupportAssist RCE 概念验证 这是 CVE-2019-3719 的概念验证源代码，该漏洞影响绝大多数 Dell 机型，可允许远程代码执行。 用法 python3 main.py Interface Name Victim IP Gateway IP Payload Filename...

heretic

Heretic：面向语言模型的完全自动审查移除 Heretic 是一款无需昂贵的后训练即可从基于 Transformer 的语言模型中移除审查（即“安全对齐”）的工具。 它结合了方向消融（directional ablation，又称“abliteration”）的先进实现 （Arditi 等，2024， Lai 2025（1， 2））， 以及由 Optuna 驱动的基于 TPE 的参数优化器。 这种方法使 Heretic 能够完全自动地 工作。Heretic 通过协同最小化拒绝次数和与原始模型的 KL 散度，找到高质量的 abliteration 参数。...

L1B3RT4S

L1B3RT45...

device-modeling-language

设备建模语言 设备建模语言（DML）是一种用于为虚拟平台编写快速功能或事务级设备模型的领域特定语言。DML 提供了适合功能设备模型的高级抽象，包括寄存器组、寄存器、位域、事件发布、模型间接口以及日志记录等结构。DML 代码由 DML 编译器（DMLC）编译，生成针对特定模拟器定制 API 调用的 C 代码。 目前，编译器支持为 Intel® Simics® 模拟器构建模型，但未来可能会添加其他后端。 构建和测试 DMLC 要构建 DMLC，您需要安装 Simics 模拟器并设置一个 Simics 项目。 使用 Intel Simics 模拟器的公开发行版 如果您尚未安装 Simics...

PoisonCraft

PoisonCraft 本仓库提供了 POISONCRAFT：针对大语言模型的检索增强生成的实用投毒 的官方实现。 概述 POISONCRAFT 旨在演示恶意行为者如何将“中毒”内容植入检索增强生成（RAG）流水线所使用的语料库中，从而误导大语言模型产生幻觉或引用恶意内容。本代码库提供以下脚本： 准备和预处理标准数据集（例如 Natural Questions、MS MARCO、HotpotQA）。 将对抗性后缀（即“毒素”）注入类查询文本，以降低或操纵检索结果。 在不同检索器（例如 Contriever、SimCSE 和 BGE）下评估投毒效果，并衡量可迁移性。 快速使用 环境配置...

raspberrypi-setup

Raspberry Pi 设置 此 Ansible 剧本旨在快速配置您的 Raspberry Pi。 它兼容所有型号。已在多种型号上成功测试，包括 Pi Zero W、Pi Zero 2W 和 Pi 4B 等。该剧本在 Debian 及基于 Debian 的发行版上应能良好运行。 角色 通过使用标签选择要安装的组件。每个标签安装特定的软件包和配置： 角色安装： 标签| 描述| 备注 ---|---|--- standard 、std| 核心安装与配置| 标准软件包、bashrc、vimrc ap| 当未插入以太网线时启动热点| 适用于移动场景以访问工具。→ AP 配置文件 （通过 ssh...

Uncensored-AI

Heretic：完全自动的语言模型审查移除 Heretic 是一个从基于 Transformer 的语言模型中移除审查（又名“安全对齐”）的工具，无需昂贵的后训练。它结合了方向消融（也称为“abliteration”（Arditi 等人，2024，Lai 2025（1，2））的高级实现，以及基于 Optuna Optuna 的 TPE 参数优化器。 这种设计使得 Heretic 能够完全自动 地运行。Heretic 通过共同最小化拒绝次数和与原模型的 KL 散度，找到高质量的 abliteration 参数。这产生了一个去审查的模型，同时尽可能保留了原模型的智能。使用 Heretic...

deep-pwning

Deep-pwning is a lightweight framework for experimenting with machine learning models with the goal of evaluating their robustness against a motivated adversary. Note that deep-pwning in its current state is no where close to maturity or completion. It is meant to be experimented with, expanded...

Agentic-SOC-Simulation

🛡️ Agentic SOC Parallel Simulation ASPS: 自主安全运营平行仿真中心 重新定义安全运营的未来：全栈 SOC 平行仿真、七大智能体协同与数据驱动的自主防御 本项目是一个前沿的 Agentic SOC 平行仿真平台 ，旨在探索 Large Action Model LAM 在网络安全领域的极限潜力。通过集成 DeepSeek 强推理引擎 、多智能体协同 Multi-Agent Collaboration 与 MCP Model Context Protocol 标准，我们构建了一个全栈式、全流程、全自动 的虚拟 SOC 团队。 在这里，AI...

Awesome-LLMs-for-Vulnerability-Detection

用于漏洞检测的大型语言模型精选列表 一份关于使用LLM进行漏洞检测与发现的论文、项目和智能体技能的精选列表。 📄 论文 仅展示2025年及以后的工作。更早的工作请参阅论文存档（2024年及以前）。 标题| 会议/期刊| 年份| 论文| Github ---|---|---|---|--- VulnGym: Benchmarking Coding Agents for Repository-Level Vulnerability Detection| | 2026| 链接| 链接 VulTriage: Triple-Path Context Augmentation for LLM-Bas...

finalrun-agent

finalrun.app • 文档 • 博客 • 云设备候补名单 • 加入 Slack 社区 关注我们 finalrun-agent 是一个 AI 驱动的 CLI 工具，可使用自然语言测试您的 Android 和 iOS 应用。您用纯英文在 YAML 中编写测试，FinalRun 会在模拟器或仿真器上启动您的应用，使用 AI 模型（Gemini、GPT 或 Claude）查看屏幕并执行每个步骤——点击、滑动、输入——然后生成包含视频和设备日志的通过/失败报告。 演示 安装 macOS / Linux curl -fsSL...

DeepTraffic

用于网络流量分类的深度学习模型 更多信息请阅读我们的论文。 🎓王伟的谷歌学术主页 王伟, 曾学文, 叶晓舟, 盛益强, 朱明,"基于卷积神经网络的表示学习的恶意软件流量分类", 第31届国际信息网络会议ICOIN 2017, 第712-717页, 2017. 王伟, 王劲林, 曾学文, 杨中臻, 朱明,"基于一维卷积神经网络的端到端加密流量分类", 第15届IEEE国际智能与安全信息学会议IEEE ISI 2017, 第43-48页, 2017. 王伟, 盛益强, 王劲林, 曾学文, 叶晓舟, 黄永忠, 朱明,"HAST-IDS: 利用深度神经网络学习层次时空特征以改进入侵检测", IE...

ai-captcha-bypass

AI 驱动的 CAPTCHA 求解器 该项目是一个基于 Python 的命令行工具，利用大型多模态模型（LMM），如 OpenAI 的 GPT-4o 和 Google 的 Gemini，来自动解决各种类型的 CAPTCHA。它借助 Selenium 实现浏览器自动化，与网页交互并实时解决 CAPTCHA。 成功求解的动图会以 GIF 格式保存在 successfulsolves 目录中。 详细博客文章 ：https://aydinnyunus.github.io/2025/12/08/ai-captcha-bypass/ 主要特性 多 AI 提供商 ：支持 OpenAI（例如...

AutoRAN-public

🧠 AutoRAN：大型推理模型中安全推理的自动化劫持 AutoRAN 是一种自动化的安全推理劫持方法，利用对齐程度较低（次要）的辅助模型模拟推理轨迹、生成叙事性提示，并迭代优化这些提示，以绕过现代大型推理模型（LRMs）中的安全推理。 ⚠️ 免责声明 ：本仓库仅用于受控安全研究和 AI 安全红队测试。 🔍 核心特性 ⚙️ 自动化多轮越狱 ：通过迭代提示优化实现 🧩 叙事模板 ：在看似合理的教育/道德幌子下包装恶意目标 🔁 优化策略 ：利用中间推理轨迹演化提示 📈 在商业 LRM 上近乎 100% 的攻击成功率 🔬 在 AdvBench 、HarmBench 和 StrongReject...

Awesome-LLM4Cybersecurity

当大语言模型遇上网络安全：系统性文献综述 🔍 探索涵盖11个研究类别的756+篇论文 📊 RQ1：领域大语言模型 | 🎯 RQ2：应用 | 🤖 RQ3：未来方向 更新日志 📆2026-06-15 我们已将相关论文更新至2026/06/15 ，新增 108 篇论文。 📆2026-02-09 我们已将相关论文更新至2026/01/31 ，新增 80 篇论文（2025.08.31-2026.01.31）。 📆2025-11-17 我们已将相关论文更新至2025/08/31 ，新增 176 篇论文（2025.03.01-2025.08.31）。 📆2025-03-03...

nCPU

一台完整的计算机，其中每一层——算术、操作系统、编译器、显示——要么是训练好的神经网络，要么完全在GPU上运行。 模型不是 在 计算机上运行。模型 就是 计算机本身。 nCPU 是一个代码库，从五个方向追求同一论点：计算机可以由学习到的组件构建，而一旦整个执行栈是可微分的，程序就不再是你编写的东西，而变成了可以通过梯度下降搜索的对象。下面的每个子系统都基于独立的测量；它们共同覆盖从单个 ALU 操作到操作系统再到程序合成的整个栈。 五个子系统 1. 神经计算机 每个 ALU 操作——加法、减法、乘法、位运算、移位、除法——都是一个训练好的神经网络。神经操作系统 neurOS...