Startseite› Projekte› awesome-MLSecOps
awesome-MLSecOps

awesome-MLSecOps

von RiccardoBiosas · GitHub

Eine kuratierte Liste von MLSecOps-Tools und -Ressourcen zur Sicherung von maschinellem Lernen und KI-Systemen - adversarial ML-Abwehr, LLM-Sicherheit, KI-Rotteam, Modell-Scanning, Schutz der Lieferkette und Sicherheit von MLOps-Pipelines.

# adversarial-machine-learning# agentic-security# ai-agents# ai-governance# ai-red-teaming
Auf GitHub ansehen
⭐ Sterne
443
🍴 Forks
90
🔥 Trendend
+4 diese Woche
📜 Lizenz
MIT
Kommerzielle Nutzung erlaubt
📅 Erstellt
2023
🔄 Letzter Commit
today
🏷️ Kategorie
adversarial-machine-learning
💻 Sprache
Astro
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
awesome-MLSecOps — GitHub preview card
📈 Sternhistorie
443439
2026-07-202026-07-29
📈 awesome-MLSecOps verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Eine kuratierte Liste von MLSecOps-Tools und -Ressourcen zur Sicherung von maschinellem Lernen und KI-Systemen - adversarial ML-Abwehr, LLM-Sicherheit, KI-Rotteam, Modell-Scanning, Schutz der Lieferkette und Sicherheit von MLOps-Pipelines.

awesome-MLSecOps hat 443 Sterne auf GitHub. Es wurde 90-mal geforkt. awesome-MLSecOps ist hauptsächlich in Astro geschrieben. Es wird seit 2023 aktiv entwickelt. awesome-MLSecOps ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: adversarial-machine-learning, agentic-security, ai-agents, ai-governance.

❓ Frequently asked questions

Was ist awesome-MLSecOps?

Eine kuratierte Liste von MLSecOps-Tools und -Ressourcen zur Sicherung von maschinellem Lernen und KI-Systemen - adversarial ML-Abwehr, LLM-Sicherheit, KI-Rotteam, Modell-Scanning, Schutz der Lieferkette und Sicherheit von MLOps-Pipelines.

Ist awesome-MLSecOps Open Source?

awesome-MLSecOps ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist awesome-MLSecOps kostenlos?

Ja. awesome-MLSecOps ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht awesome-MLSecOps?

awesome-MLSecOps ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist awesome-MLSecOps geschrieben?

awesome-MLSecOps ist hauptsächlich in Astro geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — awesome-MLSecOps

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=riccardobiosas-awesome-mlsecops)](https://olud.ai/project/riccardobiosas-awesome-mlsecops.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →
Adrian
Open-Source-Runtime-AI-Agentensicherheitstool - überwacht und kontrolliert AI-Agenten, erkennt…
★ 460 · aarm
teiltagentic-securityai-governance
agent-opfor
Open-Source-Gegneremulation für AI-Agenten und MCP-Server.
★ 566 · adversary-emulation
teiltai-red-teamingowasp
adversarial-robustness-toolbox
Adversarial Robustness Toolbox (ART) - Python-Bibliothek für die Sicherheit von Machine Learnin…
★ 6.1k · adversarial-attacks
TextAttack
TextAttack 🐙 ist ein Python-Framework für adversarielle Angriffe, Datenaugmentation und Modellt…
★ 3.5k · adversarial-attacks
T2F
T2F: Text-zu-Gesicht-Generierung mit Deep Learning
★ 546 · adversarial-machine-learning
vigil-llm
⚡ Vigil ⚡ Erkennen von Prompt-Injektionen, Jailbreaks und anderen potenziell riskanten Eingabe…
★ 492 · adversarial-attacks
guardian-sdk
Ethicore Engine™ ist eine Plattform für KI-Sicherheit, Ethik und Compliance. Dieses Repository…
★ 120 · adversarial-machine-learning
clawdstrike
KI-EDR für Entwicklerarbeitsplätze und autonome Agentenflotten. Erstellen Sie Swarm Detection &…
★ 284 · agent-security
ECC
Das Agenten-Optimierungssystem für Leistung. Fähigkeiten, Instinkte, Gedächtnis, Sicherheit und…
★ 235k · ai-agents
hermes-agent
Der Agent, der mit Ihnen wächst
★ 222k · ai

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.