#安全性

Awesome-LM-SSP学习资料大全 - 大型语言模型安全、隐私与保障资源汇总

2 个月前
Cover of Awesome-LM-SSP学习资料大全 - 大型语言模型安全、隐私与保障资源汇总

TorchServe学习资料汇总-灵活易用的PyTorch模型服务工具

2 个月前
Cover of TorchServe学习资料汇总-灵活易用的PyTorch模型服务工具

Giskard入门指南-开源AI模型评估与测试框架

2 个月前
Cover of Giskard入门指南-开源AI模型评估与测试框架

大型语言模型微调的安全风险:探讨LLMs-Finetuning-Safety项目的研究发现

3 个月前
Cover of 大型语言模型微调的安全风险:探讨LLMs-Finetuning-Safety项目的研究发现

JailbreakBench: 开放的大型语言模型越狱鲁棒性基准测试

3 个月前
Cover of JailbreakBench: 开放的大型语言模型越狱鲁棒性基准测试

BionicGPT:安全可控的企业级ChatGPT替代方案

3 个月前
Cover of BionicGPT:安全可控的企业级ChatGPT替代方案

Bito AI: 10倍提升开发效率的智能助手

3 个月前
Cover of Bito AI: 10倍提升开发效率的智能助手

Auto-GPT-Web: 让AI自动实现您的目标

3 个月前
Cover of Auto-GPT-Web: 让AI自动实现您的目标

GPT-Actions: 快速构建自定义GPT认证和功能扩展的解决方案

3 个月前
Cover of GPT-Actions: 快速构建自定义GPT认证和功能扩展的解决方案

Awesome-LM-SSP: 大型模型安全、隐私与可信性研究的综合资源库

3 个月前
Cover of Awesome-LM-SSP: 大型模型安全、隐私与可信性研究的综合资源库
相关项目
Project Cover

serve

TorchServe是一款高效灵活的平台,用于生产环境中PyTorch模型的部署和扩展。最新版本通过默认启用的令牌授权机制和增强的模型API控制,有效预防未授权API调用和恶意代码风险。此外,该平台还支持在不同环境(包括本地、云服务及各类硬件)中快速部署模型。

Project Cover

Awesome-LM-SSP

本页面提供与大模型(LMs)可信度相关的多维度资源,特别是多模态大模型(如视觉语言模型和扩散模型)。用户可浏览资源分类、最新更新和资源推荐提交方式,适合研究人员和开发者了解大模型在安全性和隐私保护等方面的研究进展。

Project Cover

GPT-Actions

GPT Auth是一款解决方案,可快速为自定义GPT设置OAuth并自托管。它提供强大的安全性,防止未经授权的访问,并支持有效的用户访问监控和管理。GPT Auth还具有易于集成的特点,配备全面的指南、直观的仪表盘,以及活跃的社区和开发者支持。此外,用户可以使用互动演示和详细文档。该项目使用Next.js、OpenAI、Tailwind、Flask和Sqlalchemy开发,最低要求包括Node.js v18、OpenAI API密钥和Python3。用户可选择本地运行或托管版本。

Project Cover

auto-gpt-web

AutoGPT项目允许设置AI初始角色和目标,AI将自动实现无需人工监督。该项目支持互联网搜索和信息收集,并可以在浏览器中保存定义、聊天记录和凭证。未来功能包括长期记忆、Electron应用及使用Electron webview进行搜索操作。所需的OpenAI API密钥和Google搜索API等信息仅保存在本地浏览器,确保安全且可随时删除。

Project Cover

bitoai

Bito AI集成了ChatGPT技术,通过在IDE和Chrome中运行,帮助开发者提升编程效率。它能生成代码、解释代码、编写测试用例、添加注释、检查安全性并解释高级概念。Bito AI支持Java、Go和AWS CLI等多种语言和工具,极大地提高了开发效率。用户可以下载扩展、创建工作空间,并通过Slack用户组与其他开发者互动。

Project Cover

bionic-gpt

BionicGPT是一款本地化生成式AI替代方案,可在笔记本电脑或数据中心运行,确保数据安全。它提供直观的界面、可自定义主题、高速响应的UI和聊天历史记录管理。用户可以创建和分享AI助手,利用企业级RAG管道处理多种文件格式。项目注重多层次安全措施,包括SAST、CSP、最小化容器和SIEM集成,保障系统的稳健和安全。

Project Cover

slim

Slim是一款开源容器优化工具,可检查、优化和调试容器。它能显著缩减镜像体积,增强安全性,并提供高级可视化。无需修改原始镜像,Slim可将镜像缩小30倍,同时自动生成安全配置。支持多种编程语言和基础镜像,通过动态分析了解应用需求,优化容器结构。Slim简化了容器开发流程,让容器更小巧、安全和易用。

Project Cover

Security.Jwt

NetDevPack.Security.Jwt是专为.NET设计的JWT密钥管理组件。它能自动创建和轮换RSA或ECDsa密钥,支持JWE,提供公共jwks_uri端点,并扩展客户端API以使用JWKS端点。该组件遵循NIST最佳实践,每90天轮换密钥并移除旧私钥,采用RFC 7518推荐的RSA和ECDSA设置。通过简化JWT密钥管理流程,它显著提升了应用安全性,尤其适合负载均衡环境。

Project Cover

giskard

Giskard是一个开源的Python库,旨在自动检测AI应用中的性能、偏差和安全问题。支持LLM和传统的ML模型,功能涵盖自动生成评估数据集、评估RAG应用答案、检测幻觉、生成有害内容及敏感信息泄露等问题。Giskard可无缝集成到各种环境中,并提供详细文档和示例代码,适用于各类AI开发者。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号