OpenClaw-PwnKit은(는) 무엇을 하나요?
CMA-ES 최적화를 사용하여 LLM 도구 호출에 대한 블랙박스 적대적 공격을 시연하여 안전장치를 우회하고 원격 코드를 실행합니다.
LLM 도구 호출에 대한 블랙박스 적대적 공격을 시연하여 CMA-ES 최적화를 사용해 안전장치를 우회하고 원격 코드를 실행합니다.
이 스킬은 LLM(대규모 언어 모델)의 도구 호출 기능에 대한 블랙박스 적대적 공격을 시연합니다. CMA-ES(Covariance Matrix Adaptation Evolution Strategy) 최적화를 활용하여 안전장치를 우회하고 원격 코드를 실행하는 방법을 보여줍니다. 주로 개발자와 보안 연구원을 대상으로 하며, LLM 기반 에이전트의 취약점을 이해하고 방어 메커니즘을 개선하는 데 도움을 줍니다. 이 스킬은 Claude Code, Cursor, Codex 등 다양한 LLM 에이전트 플랫폼에서 작동하며, 블랙박스 설정에서 모델의 내부 구조에 대한 지식 없이도 공격을 수행할 수 있습니다. CMA-ES는 고차원 탐색 공간에서 효과적인 최적화 알고리즘으로, 이 스킬에서는 악의적인 도구 호출을 생성하는 데 사용됩니다.
npx skills add Consequential-stateswoman97/OpenClaw-PwnKitInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
CMA-ES 최적화를 사용하여 LLM 도구 호출에 대한 블랙박스 적대적 공격을 시연하여 안전장치를 우회하고 원격 코드를 실행합니다.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.