• 支持多种主流 LLM 框架,便于集成与扩展,适配性强。
• 提供系统化的后门注入与检测方法,帮助识别模型潜在威胁。
• 详细日志记录与分析报告,方便追踪攻击路径与定位漏洞。
• 开源代码及文档完善,支持社区贡献和定制化开发。
• 适合安全研究、模型审计及防护方案构建,推动 LLM 安全生态健康发展
BackdoorLLM | #工具
保存了2009年最早的两个版本,展示Redis的雏形;通过代码演变,揭示Redis设计思路的起源;深入了解Redis从简单键值存储到复杂数据结构存储的转变。
丰富的模板资源,涵盖从内容创作到社交媒体管理的多种场景;社区支持,加入Skool社区获取更多优质内容;持续更新,每周都有新模板上线
提出HSTU和M-FALCON算法,加速大规模序列模型训练和推理10-1000倍;首次在十亿用户规模的推荐系统中展示扩展规律;支持生成合成数据集,将ML-20M扩展至30亿数据量