Agentic Security:开源LLM漏洞扫描器
2026-01-20 02:46:26作者:秋泉律Samson
项目介绍
Agentic Security 是一款开源的大型语言模型(LLM)漏洞扫描器,旨在帮助开发者和安全专家识别和修复LLM中的潜在安全风险。通过集成多种攻击技术和数据集,Agentic Security 能够对LLM进行全面的模糊测试和压力测试,确保其在面对恶意输入时的鲁棒性。
项目技术分析
技术栈
- 编程语言:Python
- 依赖管理:pip
- API集成:支持多种LLM API,如OpenAI的GPT-3.5-turbo
- 数据集:支持自定义CSV数据集和Huggingface数据集
- 攻击技术:包括自定义规则集、代理攻击、模糊测试等
核心功能
- 自定义规则集:用户可以根据需求自定义攻击规则,灵活应对不同场景。
- 全面模糊测试:支持对LLM进行全面的模糊测试,发现潜在的安全漏洞。
- API集成与压力测试:集成多种LLM API,并进行压力测试,确保LLM在高负载下的稳定性。
- 多样化攻击技术:提供多种攻击技术,包括自定义Huggingface数据集和本地CSV数据集。
项目及技术应用场景
Agentic Security 适用于以下场景:
- LLM安全测试:开发者在发布LLM模型前,可以使用Agentic Security进行安全测试,确保模型在面对恶意输入时的安全性。
- 持续集成/持续部署(CI/CD):将Agentic Security集成到CI/CD流程中,自动检测新代码中的安全漏洞。
- 安全研究:安全研究人员可以使用Agentic Security进行LLM安全研究,发现并报告新的安全漏洞。
项目特点
1. 开源与社区支持
Agentic Security 是一款开源项目,拥有活跃的社区支持。用户可以自由地查看、修改和贡献代码,共同推动项目的发展。
2. 灵活的配置选项
项目提供了丰富的配置选项,用户可以根据自己的需求自定义攻击规则和数据集,灵活应对不同的测试场景。
3. 全面的测试覆盖
Agentic Security 集成了多种攻击技术和数据集,能够对LLM进行全面的模糊测试和压力测试,确保其在各种情况下的安全性。
4. 易于集成
项目支持多种LLM API,并提供了详细的文档和示例代码,用户可以轻松地将Agentic Security集成到现有的开发流程中。
5. 持续更新
Agentic Security 的开发团队持续更新项目,引入新的攻击技术和数据集,确保项目始终处于安全技术的前沿。
结语
Agentic Security 是一款功能强大且易于使用的开源LLM漏洞扫描器,适用于各种LLM安全测试场景。无论你是开发者、安全专家还是研究人员,Agentic Security 都能帮助你发现并修复LLM中的潜在安全风险。立即访问 Agentic Security GitHub 仓库,开始你的LLM安全测试之旅吧!
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220