ML&|Sec Feed

Strutil — предоставляет набор строковых показателей для вычисления сходства строк, а также другие вспомогательные функции для работы со строками. ✳️ GitHub

👩‍💻 Pathway — это фреймворк на Python для обработки данных в реальном времени, который поддерживает ETL-процессы, аналитические потоки и создание ИИ-конвейеров, включая работу с LLM и методами RAG! 🌟 Фреймворк предоставляет простой API на Python, который интегрируется с популярными ML-библиотеками и может использоваться для потоковой и пакетной обработки данных. 🔐 Лицензия: BSL-1.1 🖥 Github @data_analysis_ml

🖥 Magnetron Этот проект был создан, с целью изучения понимания внутренней работы PyTorch и других популярных фреймворков глубокого обучения. Главная цель проекта - создание с нуля минималистичного, но при этом мощного фреймворк глубокого обучения, который можно использовать как для исследований, так и для продакшена. Фреймворк написан на C и Python и спроектирован так, чтобы его было легко понять и модифицировать. Знаменитая цитат Ричарда Фенимана - То, что я не могу создать, я не понимаю. Создание собственного языка программирования, игрового движка и конечно фреймворка машинного обучения позволит понять, как работает современное программное обеспечение, до мельчайших деталей. ◾️GitHub ◾️Demo ◾️Docs @ai_machinelearning_big_data

🔥 scikit-opt — библиотека на Python для решения задач оптимизации с использованием методов роя и эволюционных алгоритмов! 🌟 Она включает такие алгоритмы, как генетический алгоритм (GA), оптимизация роя частиц (PSO), имитация отжига (SA), алгоритм муравьиной колонии (ACO), дифференциальная эволюция и другие. 🔐Лицензия: MIT 🖥 Github @machinelearning_ru

В инструмент PowerHuntShares, который может использоваться для аудита SMB при внутреннем тестировании - прикрутили LLM. Как говорит автор инструмента в статье, это может использоваться для оценки того "к чему принадлежит файл, который расположен в SMB-шаре". Допустим вы проводите внутреннее тестирование на проникновение и захотите проанализировать SMB на наличие избыточных привелегий - вы запускаете инструмент, и он вам выдаёт информацию. Но вы также хотите получить более детальный отпечаток того, что вы хотите протестировать. Инструмент собирает имена файлов и буквально просит проанализировать их возможную принадлежность к чему либо. Например у вас в шаре есть ресурс sccm, в котором есть файлы "variables.dat" и "config.xml" - Модель может вернуть информацию о том, что общий ресурс "sccm" связан с приложением "System Center Configuration Manager" с уровнем уверенности 4(а может и не присвоить уровень уверенности) и перечислить соответствующие файлы и обоснование. Можно подгружать CSV(если у вас есть дамп), картинки. И в итоговом отчёте вы получите что-то типа того, что видно на рисунках 1 и 2. О вопросе того насколько правильно использовать этот функционал с точки зрения конфиденциальности - говорить не приходится, но решение всегда остаётся за вами. Автор предупреждает, что никакого файнтюнинга или RAG для того чтобы это более точно работало - не применялось при создании всего этого функционала. А сама LLM подключается через API-эндпоинты Azure, к слову работает только с GPT 4o и 4o-mini. статья с релизом ссылка на Invoke-FingerPrintShare.ps1, в котором как раз и описывается подробно промпт с использованием которого и происходит обработка данных.

Phidata — cоздавайте мультимодальных агентов с памятью, знаниями, инструментами и способностью рассуждать. Общайтесь с ними с помощью красивого пользовательского интерфейса. 4️⃣ GitHub

Setezor — это анализатор сетевого трафика с возможностью автоматического построения топологии сети. 4️⃣ GitHub

🔥 eliza — это проект, направленный на создание платформы для автономных агентов, способных выполнять сложные задачи, взаимодействовать с пользователями и использовать внешние инструменты! 🌟 Цель проекта — упростить процесс разработки агентов, которые могут действовать независимо, обрабатывать команды на естественном языке и решать поставленные задачи с минимальным вмешательством человека. Такие агенты могут использоваться как чат-боты, NPC в видеоиграх, для трейдинга и многих других задач! 🔐 Лицензия: MIT 🖥 Github @data_analysis_ml