Git Stars Git Stars

#ai-red-teaming Repositórios

Descubra 8 repositórios ativos de código aberto no GitHub marcados com #ai-red-teaming, acumulando um total de 19,286 estrelas (uma média de 2,410 por projeto). O líder deste tópico é Tencent/AI-Infra-Guard, com 7,604 estrelas.

8
Total de Repositórios
19,286
Total de estrelas
2,410
Média de Estrelas/Repositório
Linguagens de programação: Python TypeScript Jupyter Notebook

9 repositórios no total

1
Tencent/AI-Infra-Guard

Uma plataforma full-stack de Red Teaming de IA que protege os ecossistemas de IA por meio de Agent Scan, Skills Scan, MCP Scan, AI Infra Scan e avaliação de jailbreaks de LLM.

Tencent
⭐ 7,604 Python 👤 Tencent Organization 🕐 Atualizado 2026-11-20 📅 Criado 2024-12-25
2
microsoft/PyRIT

Kit de ferramentas de código aberto da Microsoft para red teaming de IA. Teste sistemas de IA generativa com verificações automatizadas, ataques adaptativos em várias etapas e uma interface web.

microsoft
⭐ 5,003 Python 👤 microsoft Organization 🕐 Atualizado 2026-11-21 📅 Criado 2023-12-12
3
microsoft/AI-Red-Teaming-Playground-Labs

Laboratórios de campo de testes (playground labs) de Red Teaming de IA para a realização de treinamentos de Red Teaming de IA, incluindo infraestrutura.

microsoft
⭐ 2,134 TypeScript 👤 microsoft Organization 🕐 Atualizado 2026-02-13 📅 Criado 2025-05-07
4
ASCIT31/Dark-Moon

Testes de penetração autônomos com IA e código aberto. 50 agentes especializados em web, APIs, nuvem, Active Directory, Kubernetes, CI/CD e IA/LLM (OWASP LLM Top 10), com um grafo de caminhos de ataque verificado por evidências. Executa em um LLM local protegido por um Privacy Gateway. Integra-se ao GitHub, GitLab, Jenkins, VS Code, JetBrains, n8n, Grafana e Splunk.

ASCIT31
⭐ 1,279 Python 👤 ASCIT31 Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-11-26
5
splx-ai/agentic-radar

Um scanner de segurança para seus fluxos de trabalho de agentes LLM

splx-ai
⭐ 1,072 Python 👤 splx-ai Organization 🕐 Atualizado 2026-11-13 📅 Criado 2025-02-12
6
requie/AI-Red-Teaming-Guide

Um guia abrangente para testes adversariais e avaliação de segurança de sistemas de IA, ajudando organizações a identificar vulnerabilidades antes que atacantes as explorem.

requie
⭐ 1,065 👤 requie User 🕐 Atualizado 2026-10-28 📅 Criado 2025-10-30
7
KeyValueSoftwareSystems/agent-opfor

Emulação de adversários de código aberto para agentes de IA e servidores MCP.

KeyValueSoftwareSystems
⭐ 588 TypeScript 👤 KeyValueSoftwareSystems Organization 🕐 Atualizado 2026-11-03 📅 Criado 2026-04-06
8
General-Analysis/GA

Uma enciclopédia de técnicas de jailbreaking para tornar os modelos de IA mais seguros.

General-Analysis
⭐ 583 Jupyter Notebook 👤 General-Analysis Organization 🕐 Atualizado 2025-05-26 📅 Criado 2025-01-18
9
Yeti-791/Awesome-Offensive-AI-Agentic-Landscape

Este documento reúne projetos de código aberto, artigos acadêmicos, benchmarks de capacidades e soluções comerciais (internacionais e da China) nas áreas de testes de intrusão com IA, red teaming de LLMs, agentes ofensivos autônomos e descoberta de vulnerabilidades, com o objetivo de ajudar pesquisadores, engenheiros de segurança e tomadores de decisão empresariais a formar rapidamente uma visão holística.

Yeti-791
⭐ 501 👤 Yeti-791 User 🕐 Atualizado 2026-11-19 📅 Criado 2026-06-11

Perguntas Frequentes

1

Qual é o repositório de #ai-red-teaming mais popular no GitHub?

O projeto de código aberto de #ai-red-teaming mais bem classificado no GitHub é Tencent/AI-Infra-Guard, com 7,604 estrelas. Uma plataforma full-stack de Red Teaming de IA que protege os ecossistemas de IA por meio de Agent Scan, Skills Scan, MCP Scan, AI Infra Scan e avaliação de jailbreaks de LLM.

2

Quais linguagens de programação são mais usadas nos repositórios de #ai-red-teaming?

Entre os projetos de #ai-red-teaming mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, Jupyter Notebook.

3

Como é calculada a classificação dos repositórios de #ai-red-teaming?

Acompanhamos 8 repositórios ativos de código aberto marcados com #ai-red-teaming (com mais de 500 estrelas), totalizando 19,286 estrelas e uma média de 2,410 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.