DECEIVE

让大模型替你扮演蜜罐,自动接住攻击者的话

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 评测安全 🍴 复刻 43 🐛 待处理 15 👀 关注 4
GitHub ↗
GitHub 星标 ★ 294
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目,免费使用

项目预览

DECEIVE 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类评测安全
开发团队Cisco-Talos
定价模式🏷️完全免费
价格说明开源项目,免费使用
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言Python
GitHub 星标★ 294
上线时间2024-08-15 00:00:00
代码更新2026-11-06
仓库体积3.8 MB
本站数据更新2026-11-07
维护状态活跃
收录时间2026-11-06
浏览次数0

项目介绍

DECEIVE 是一个用大语言模型自动完成蜜罐交互的 Python 工具。传统蜜罐需要人工编写应答脚本、维护模拟服务,成本高且容易被攻击者识破;DECEIVE 把「如何回应攻击者」交给 LLM,由模型根据会话上下文生成逼真的系统反馈,让蜜罐在无需大量人工规则的情况下维持可信的交互外壳。项目包含 Evaluative Integrated Validation Engine,用于对模型生成的响应做校验与评估,降低胡言乱语或暴露蜜罐身份的风险。核心能力包括:接收攻击者输入并生成应答、对回复质量进行打分筛选、以模块化方式接入不同 LLM 后端。它面向安全研究与威胁情报场景,帮助研究者低成本部署可对话的诱捕环境,观察攻击者的行为与意图,适合做攻击手法采集和社工话术分析的实验平台。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-11-06 · 当前星标 ★ 294

核心亮点

  • 用 LLM 生成蜜罐应答,省去逐条编写模拟服务规则的人力
  • 内置响应校验评估环节,对模型输出做质量把关,降低穿帮风险
  • Python 实现、结构清晰,便于替换模型后端和扩展诱捕逻辑

不足之处

  • 早期项目,星标与贡献者规模小,长期维护和文档完善度待观察
  • 依赖外部 LLM 调用,存在延迟、成本与输出不稳定的问题
  • 评估引擎的判定标准较依赖经验配置,误判时可能影响交互质量

适用场景

  • 安全研究团队搭建低成本对话式蜜罐,采集攻击者话术与工具特征
  • 红队演练中模拟高交互目标,观察攻击链各阶段行为
  • 教学环境中演示蜜罐原理与 LLM 在欺骗防御中的应用

替代项目

Cowrie、T-Pot、Galah

上一篇:Data-Preparation-Bench

下一篇:nyt-connections

同类项目推荐

openai-guardrails-js 开源

给 LLM 应用加一道输入输出安检门,拦截越狱与敏感内容

OpenAI Guardrails - TypeScript / JavaScript

★ 113 2026-09-26
uncheatable_eval 开源

用最新网络数据动态出题,防止模型背答案刷分

Evaluating LLMs with Dynamic Data

★ 130 2026-10-23
UltraText_Bench 开源

给文生图模型做中英文写字能力体检

[Preprint] UltraText Bench: A Comprehensive Bilingual Benchmark for Evaluating Visua···

★ 114 2026-10-23
humanbound 开源

给 AI 智能体找茬,自动发现安全漏洞和逻辑缺陷。

Open-source adversarial testing engine, SDK, and CLI for AI agents. Runs locally or ···

★ 231 2026-08-09
lmring 开源

自建 LLM 竞技场,让真实用户投票选出最强模型

Open-source, self-hostable LLM arena with model compare, voting, and leaderboards

★ 205 2026-08-09
GenAI-LLM-Top10 开源

对照 OWASP 清单,快速排查大模型应用安全风险

OWASP Top 10 for Large Language Model Applications

★ 163 2026-09-15
ProteinWorkshop 开源

统一蛋白质表示学习的数据、模型与评测流程

Benchmarking framework for protein representation learning. Includes a large number ···

★ 280 2026-10-31
trustmebro 开源

伪造工具输出,测出模型护栏会不会被骗

Bypass llm guardrails by confusing it with fabricated tool output.

★ 606 2026-09-16