漏洞扫描是检测计算机系统安全脆弱性的方法，常用工具有X-RAY、X-Scan、AppScan、AWVS和Nessus，帮助用户发现和修复安全漏洞。

本研究分析了14,904个定制GPT的安全脆弱性，发现超过95%缺乏有效保护，尤其在角色扮演攻击和系统提示泄露方面，强调了加强安全措施的必要性。

本研究分析大型语言模型的安全脆弱性，提出了“伤害评分”指标和“轻松出声”攻击框架，揭示普通用户如何通过简单交互实施有害行为。

本研究提出了一种新方法——目标模型编辑（TME），针对大型语言模型的安全脆弱性，成功绕过安全过滤器，攻击成功率达到84.86%。强调了加强模型安全的重要性。

本文探讨了大型语言模型（LLMs）在与人类价值观对齐时的安全脆弱性，特别是对权威信息的偏见可能导致有害内容的生成。研究提出了一种新攻击方法DarkCite，利用权威引用提高越狱攻击的成功率，并提出有效的防御策略以降低风险。

本文综述大语言模型对话系统研究进展，涵盖历史阶段、任务导向对话、多轮交互与多智能体系统，并介绍多模态大模型架构、训练方法及性能评估，指出安全脆弱性与多语言指令遵循等挑战。

QRExfiltrate是一款功能强大的数据转换与提取工具，用于演示DLP软件的安全脆弱性。工具依赖于qrencode和ffmpeg组件，可在Windows设备或支持Shell脚本运行的设备上使用。通过encode.sh命令将二进制文件转换为二维码GIF动图。项目地址：https://github.com/Shell-Company/QRExfil.git