shaysec/proxima-gen

# 🛡️ PROXIMA-GEN | 自主 AI 安全工厂 **从 386 个原始信号到 9 个已验证漏洞利用。** PROXIMA-GEN 是一个自主威胁情报系统，旨在发现、研究和验证 AI Agent 和 LLM 框架中的漏洞。它将原始安全噪声转化为高保真、可操作的情报。 ## 💸 “零成本”理念 PROXIMA-GEN 诞生于严格的 **零成本** 思维。在昂贵的云 API 和专有安全工具的时代，我们选择完全依赖本地基础设施。通过在本地运行所有内容，我们确保： * **绝对隐私：** 您的研究数据永远不会离开您的硬件。 * **零运营成本：** 无按 token 计费或月度订阅费用。 * **完全控制：** 您端到端拥有情报工厂。 ## 🤖 Sentinel 架构 PROXIMA-GEN 作为一个自主单元集合运行，灵感来源于专业化、自我进化机器的概念。工厂中的每个单元在数据转换中都有特定的角色： * **Core-Unit：** 由 **Qwen 2.5 32B** 驱动的中央推理引擎。 * **Sentinel-Scan：** 我们的前线发现代理，持续监控新兴威胁。 * **Vector-Research：** 专注于技术验证，深入研究 GitHub issues 和学术论文以寻找功能性 PoC。 * **Forge-Master：** 报告单元，将原始数据丰富为包含影响分析和缓解措施的结构化安全报告。 ## 🏗️ 技术栈与硬件 * **推理：** 运行 **Qwen 2.5 32B** 的 [Ollama](https://ollama.com/)。 * **编排：** LangGraph / LangChain ReAct 循环。 * **包管理：** [uv](https://github.com/astral-sh/uv) - 超高速 Python 项目管理。 * **硬件优化：** 在 **AMD Radeon RX 6800 XT**（通过 DirectML/ROCm）上开发并经过实战测试。 * *兼容性说明：* 虽然针对 6800XT 进行了优化，但 PROXIMA-GEN 设计为硬件无关。它可能在较低规格的硬件上运行或使用较小的模型（例如 7B/8B），但这尚未经过官方测试，PoC 质量可能会有所不同。 ## 🚀 快速开始 ### 1. 前置条件 * 安装 **Ollama** 并拉取模型：`ollama pull qwen2.5:32b` * 安装 **uv**：`powershell -c "ir | iex"` ### 2. 安装 ``` # Clone repository git clone [https://github.com/YOUR_USER/proxima-gen.git](https://github.com/YOUR_USER/proxima-gen.git) cd proxima-gen # Sync environment and dependencies uv sync ```

标签：AI风险缓解, AMD显卡, DirectML, DLL 劫持, GitHub情报, LangChain, LangGraph, LLM评估, Ollama, PyRIT, Python, Qwen 2.5, ReAct, ROCm, uv, 人工智能安全, 合规性, 多智能体系统, 大语言模型, 威胁情报, 安全分析, 开发者工具, 开源安全工具, 无后门, 本地部署, 硬件优化, 网络安全, 网络安全, 自主智能体, 自动化漏洞挖掘, 轻量级, 逆向工具, 逆向工程平台, 通义千问, 隐私保护, 隐私保护, 零成本