Awesome GitHub RepositoriesAdversarial Input Generation

Evidently is an AI observability platform and evaluation framework designed to quantify the performance of machine learning models and large language models. It functions as a monitoring tool for detecting data drift and quality degradation in tabular datasets, while providing a specialized analyzer for the faithfulness and correctness of retrieval augmented generation systems. The project distinguishes itself through an evaluation framework that utilizes judge models and custom rubrics to score language model outputs. It includes tools for iterative prompt optimization and the generation of

Superagent is an AI safety platform that protects applications from prompt injections, data leaks, and harmful outputs through built-in guardrails. It functions as a prompt injection detection system, data redaction tool, and red team testing tool, automatically removing personally identifiable information and protected health data from AI inputs and outputs while scanning image uploads with vision AI to detect visual prompt injection attacks before processing. The platform routes every prompt through a sequential pipeline of safety checks including injection detection, data redaction, and co

NeMo-Guardrails is a toolkit for adding programmable safety constraints and dialogue boundaries to large language model conversational systems. It functions as security middleware that intercepts inputs and outputs to block prompt injections, jailbreaks, and sensitive data leaks, while providing a conversational dialogue manager to define structured interaction flows through configuration files. The framework includes a hallucination filter to screen model outputs for factual accuracy and a specialized modeling language for defining conversational flows and constraints. It provides capabiliti

Cleverhans एक TensorFlow एडवरसैरियल मशीन लर्निंग लाइब्रेरी है जो एक अटैक फ्रेमवर्क, रोबस्टनेस बेंचमार्क और डिफेंस लाइब्रेरी के रूप में कार्य करती है। यह एडवरसैरियल एग्जांपल्स उत्पन्न करने, न्यूरल नेटवर्क्स की सुरक्षा का परीक्षण करने और दुर्भावनापूर्ण इनपुट्स के खिलाफ मॉडल लचीलापन बढ़ाने के लिए सुरक्षात्मक तंत्र लागू करने के लिए उपकरणों का एक संग्रह प्रदान करती है। प्रोजेक्ट का ध्यान ऐसे परटर्ब्ड इनपुट्स बनाने पर है जिन्हें मशीन लर्निंग मॉडल्स को गलत भविष्यवाणियां करने के लिए धोखा देने के लिए डिज़ाइन किया गया है। यह एडवरसैरियल नॉइज़ के अधीन होने पर डीप लर्निंग मॉडल की स्थिरता और सटीकता के मूल्यांकन को सक्षम बनाता है, और सुरक्षा कमजोरियों की पहचान करने के लिए ज्ञात अटैक मेथड्स के संदर्भ कार्यान्वयन प्रदान करता है। टूलकिट एडवरसैरियल एग्जांपल जनरेशन, मशीन लर्निंग मॉडल डिफेंस और न्यूरल नेटवर्क रोबस्टनेस बेंचमार्किंग को कवर करती है। यह ग्रेडिएंट-आधारित परटर्बेशन और इटरेटिव ऑप्टिमाइज़ेशन लूप्स को निष्पादित करने के लिए एक मॉडल-अज्ञेय इंटरफ़ेस और डिफरेंशिएबल अटैक कार्यान्वयन का उपयोग करती है।

The Adversarial Robustness Toolbox (ART) is an open-source library that provides a unified framework for evaluating, defending, and certifying machine learning models against adversarial threats. It wraps models from any framework behind a common estimator interface, enabling composable pipelines for attack generation, defense application, robustness certification, and privacy auditing across evasion, poisoning, and extraction threats. The library distinguishes itself by covering the full adversarial ML security lifecycle within a single toolkit. It supports gradient-based adversarial example

Helicone is an AI gateway and observability platform designed to intercept, manage, and monitor interactions with large language models. By acting as a reverse-proxy, it provides a centralized layer for routing requests across multiple AI providers, allowing developers to maintain consistent application logic while gaining deep visibility into model performance, usage, and costs. The platform distinguishes itself through a robust suite of traffic management and prompt engineering tools. It enables policy-driven control, including automatic failover between providers, rate limiting, and edge-b

Giskard लार्ज लैंग्वेज मॉडल्स (LLMs) और AI एजेंट्स के लिए एक इवैल्यूएशन फ्रेमवर्क, टेस्टिंग लाइब्रेरी और क्वालिटी मॉनिटरिंग सिस्टम है। यह मॉडल के प्रदर्शन और विश्वसनीयता को मापने के लिए एक टूलकिट के रूप में कार्य करता है, जो RAG (retrieval-augmented generation) पाइपलाइन्स को वैलिडेट करने के लिए विशेष क्षमताएं प्रदान करता है। यह प्रोजेक्ट अपने ऑटोमेटेड रेड टीमिंग टूल और सिक्योरिटी स्कैनर के माध्यम से खुद को अलग बनाता है, जिसे कमजोरियों, प्रॉम्प्ट इंजेक्शन और सुरक्षा जोखिमों की पहचान करने के लिए डिज़ाइन किया गया है। यह मॉडल की मजबूती को मापने और जानकारी लीक होने का पता लगाने के लिए एडवर्सरियल प्रोबिंग और सिंथेटिक एज केस जनरेशन का उपयोग करता है। यह प्लेटफॉर्म तथ्यात्मक सटीकता और मतिभ्रम (hallucination) का पता लगाने, तर्क और लॉजिक बेंचमार्किंग, और बायस डिटेक्शन जैसी व्यापक क्षमताएं प्रदान करता है। यह रिग्रेशन टेस्टिंग, RAG कंपोनेंट असेसमेंट और नॉलेज बेस से टेस्ट केस जनरेट करने के लिए टूल्स प्रदान करता है। सिस्टम में सहयोगी टीम वर्कस्पेस, रोल-आधारित एक्सेस कंट्रोल और समय के साथ प्रदर्शन में गिरावट की निगरानी के लिए शेड्यूल्ड इवैल्यूएशन पाइपलाइन्स जैसी मैनेजमेंट सुविधाएं शामिल हैं।

This project is a comprehensive educational resource and technical manual focused on interpretable machine learning and explainable AI. It serves as a textbook and reference for implementing techniques that make complex machine learning models transparent and understandable to humans. The resource provides guidance on both building inherently transparent models, such as decision trees and sparse linear models, and applying post-hoc explanation methods to black-box systems. It details specific methodologies for quantifying feature importance, generating rationales for individual predictions, a

agent-governance-toolkit सुरक्षा नीतियों को लागू करने, जीरो-ट्रस्ट पहचान प्रबंधित करने और स्वायत्त AI एजेंटों के निष्पादन को सैंडबॉक्स करने के लिए एक फ्रेमवर्क है। यह एक सुरक्षा नीति इंजन, क्रिप्टोग्राफिक पहचान प्रबंधन और रनटाइम निष्पादन सैंडबॉक्स के उपयोग के माध्यम से एजेंटों के व्यवहार को नियंत्रित करने के लिए डिज़ाइन की गई एक गवर्नेंस परत प्रदान करता है। यह प्रोजेक्ट मल्टी-टियर प्रिविलेज रिंग सिस्टम और एक क्रिप्टोग्राफिक आइडेंटिटी मेश के माध्यम से खुद को अलग करता है जो स्वायत्त संस्थाओं के बीच संचार को सुरक्षित करता है। यह इकाई विश्वसनीयता को ट्रैक करने के लिए डिके-आधारित ट्रस्ट स्कोरिंग तंत्र को लागू करता है और निष्पादन का सत्यापन योग्य इतिहास बनाए रखने के लिए हैश-चेन्ड, टेम्पर-प्रूफ ऑडिट लॉग का उपयोग करता है। यह टूलकिट प्रॉम्प्ट सुरक्षा (इंजेक्शन हमलों से बचाव के लिए), नियामक मानकों के खिलाफ स्वचालित अनुपालन मैपिंग और सागा पैटर्न का उपयोग करके स्वायत्त वर्कफ़्लो ऑर्केस्ट्रेशन सहित क्षमता क्षेत्रों की एक विस्तृत श्रृंखला को कवर करती है। इसमें स्वास्थ्य और खर्च की सीमाओं को ट्रैक करने के लिए फ्लीट मॉनिटरिंग, और अनधिकृत संसाधन एक्सेस को प्रतिबंधित करने के लिए टूल निष्पादन सैंडबॉक्सिंग भी शामिल है। नियंत्रण संकेतों को निष्पादित करने, गवर्नेंस नीतियों को मान्य करने और एक्सटेंशन की स्थापना को प्रबंधित करने के लिए एक कमांड-लाइन इंटरफेस प्रदान किया गया है।

This repository provides tools and methodologies for studying adversarial attacks on large language models. It focuses on understanding how carefully crafted inputs can manipulate or bypass the safety mechanisms of LLMs, enabling researchers to probe model vulnerabilities and improve their robustness. The project covers techniques for generating adversarial prompts, evaluating model responses under attack conditions, and analyzing the effectiveness of different attack strategies.

Mimic is a unicode homoglyph generator and text obfuscation tool. It functions as a character substitutor that replaces standard ASCII characters with visually similar Unicode symbols to create text that appears correct to humans but is functionally different. The project is used for source code obfuscation by inserting subtle syntax errors into code to hide intent or break automated analysis. It also serves as a tool for textual adversarial testing to evaluate the resilience of software filters against maliciously crafted input. The utility achieves these results through a mapping system th

PyRIT is an AI vulnerability assessment tool and security scanner designed to detect risks in large language model applications. It functions as a generative AI red teaming framework used to simulate adversarial attacks and identify weaknesses in system guardrails. The tool automates AI risk assessment by scanning generative AI components for security vulnerabilities. It utilizes automated testing and analysis to identify security gaps and prevent potential exploits through a consistent, repeatable process. The system incorporates asynchronous model orchestration to compare security postures

LLM Guard is a security firewall and guardrail framework designed to scan and sanitize inputs and outputs for large language models. It functions as a proxy gateway and security layer to block prompt injections, toxicity, and sensitive data leakage while ensuring that model interactions remain compliant with organizational policies. The system distinguishes itself through a modular scanner pipeline that utilizes local model orchestration to eliminate external network dependencies. It supports real-time security filtering via streaming chunk analysis and implements a fail-fast execution model