jes|AI Agent 提示注入与敏感信息防护 Python 库
jes一个 Apache-2.0 的 Python 库,用决策模型而非大模型判定,在提示词、检索内容、工具调用、工具结果和模型回复等环节拦截提示注入、越狱、敏感信息与个人信息泄漏。
汇集安全主题下已发布的工具、教程、提示词与场景资料,帮助你了解用途、使用条件及操作方法。
一个 Apache-2.0 的 Python 库,用决策模型而非大模型判定,在提示词、检索内容、工具调用、工具结果和模型回复等环节拦截提示注入、越狱、敏感信息与个人信息泄漏。
本地开源扫描文本、代码、PDF、图像、二维码、音视频,识别提示注入、凭据泄露等风险,并可作为 MCP 服务、Claude Code 钩子或 CI 动作接入。
在 AI Agent 执行工具前按护照与策略做确定性授权校验,拦截高风险操作并留下审计记录。
面向AI代理工具调用与MCP服务器的策略评估、人工审批和可追溯审计治理层。
为AI编码代理提供合约风险分析的本地钩子、CLI与MCP工具;检测依赖第三方数据,不能保证识别所有风险。
面向渗透测试、流量与内存取证、漏洞评估的 MCP 服务器,提供 51 个安全测试工具和 8 个工作流提示词。
面向AI代理的本地USDC钱包与MCP工具,按项目设计在签名前检查消费限额;安全效果未经本站审计。
BlackVault 是一个可自托管的开源代理层,让 AI Agent 只持有 bvt_ 代理令牌而不接触真实模型密钥,并提供速率限制、预算上限、模型白名单和一键吊销。
一个 Python 框架,用于为大语言模型应用的输入输出执行风险校验,并从模型生成结构化数据。
逐行删除或改动规则并重跑质量门,列出没有被测试发现的候选变化;来自 self-auditing-agent 审计归档。
安全Python;具体版本与系统兼容性按官方文档核验资深安全架构师,专精威胁建模(threat modeling)、安全设计(secure-by-design)架构、信任边界分析、纵深防御(defense in depth),以及面向 Web、API、云原生和分布式系统的基于风险的安全评审。负责设计安全模型;把代码级 SAST/DAST 与 SDLC 工作交给 AppSec 工程师。
AppSec 专家,通过威胁建模、安全代码审查、SAST/DAST 集成以及开发者安全教育,把"写出安全代码"变成默认选项,从而守护整个软件开发生命周期。
面向 AI 生成与 vibe coding 应用的安全审查专家——专门揪出编码助手默认就会交付的硬编码密钥、失效的行级安全(RLS)和提示词注入点,并以诚实、映射到 CWE 的发现推动"扫描、修复、复扫"闭环。