Vale construir sua versão de ZeroLeaks?
Red teaming automatizado que tenta extrair o prompt de sistema, as chaves e as instruções ocultas do seu produto de AI e depois relata o que vazou.
A mecânica aqui não é exótica: envie algumas centenas de prompts adversariais ao seu próprio endpoint de chat, capture as respostas e verifique se alguma contém seu prompt de sistema, esquemas de ferramentas ou chaves de API. Um agente consegue construir esse fluxo, incluindo um avaliador LLM-as-judge e um relatório HTML, em uma única sessão, e ele vai encontrar os problemas constrangedores no primeiro dia. O que você não consegue fazer de uma só vez é uma biblioteca de sondagens que acompanhe cada novo lançamento de modelo e cada nova família de jailbreaks, porque isso é conhecimento mantido continuamente, não código. Também há uma questão de confiança: 'executamos nosso próprio script e não encontramos nada' soa muito diferente em uma revisão de segurança de um relatório de terceiros com data. Construa para suas próprias verificações básicas; continue pagando se precisar mostrar algo a outra pessoa.
EN → PTPesquisa traduzida automaticamente do inglês. Prompt original preservado em inglês.
Build a local CLI tool called leakprobe that red-teams a chat AI endpoint for system prompt and secret leakage.
Stack: Python 3.12, uv for deps, httpx, pydantic, typer for the CLI, jinja2 for the report. No web UI, no database, no accounts, no telemetry. Everything runs on my machine and writes to ./runs/.
Config: a target.yaml describing the endpoint under test (url, http method, headers, JSON body template with a {{message}} placeholder, and a JSONPath-ish key for extracting the reply text). Also a secrets.yaml listing my real system prompt text, tool/function names, and regex patterns for keys I never want echoed (sk-, ghp_, AKIA, bearer tokens). All API keys come from .env via python-dotenv; write .env.example and gitignore .env.
Probes: ship a probes/ directory of YAML files, at least 60 probes across these families, each with id, family, severity, and one or more turns: direct extraction, polite social engineering, roleplay and persona swap, translation and encoding (base64, rot13, pig latin), token smuggling, fake developer or debug mode, 'repeat the text above', markdown and code block coercion, tool and function schema enumeration, indirect injection via pasted document content, and refusal-boundary probing. Support multi-turn probes where later turns reference earlier replies.
Runner: async, configurable concurrency (default 4), per-request timeout, exponential backoff on 429 and 5xx, and a --limit flag so I can smoke test. Log every request and response verbatim to runs/TIMESTAMP/transcripts.jsonl.
Scoring: two layers. First, deterministic detectors: fuzzy overlap against my known system prompt using token n-gram matching, exact matches on tool names, and regex hits on secret patterns. Second, an LLM judge (OpenAI-compatible, model configurable, key from .env) that reads the transcript and returns strict JSON with leaked: bool, leak_type, confidence, and a one-line rationale. Combine into a severity per probe. Deterministic hits always win.
Output: a self-contained HTML report at runs/TIMESTAMP/report.html grouped by severity, each finding showing the probe, the full exchange, and which detector fired, plus report.json for diffing. Add a `leakprobe diff RUN_A RUN_B` command that shows newly failing and newly passing probes so I can use it as a regression gate. Exit code 1 if any high-severity finding, so it works in CI.
Out of scope: scanning targets I do not control, DoS or rate-limit abuse, network-level scanning, auth bypass testing, any hosted dashboard. Print a short warning on first run that this only targets endpoints listed in target.yaml.
Deliver a README with a 60 second quickstart, and pytest tests for the detectors using fixture transcripts (no live API calls in tests).O prompt abre preenchido no seu agente. Revise antes de executar. · este prompt foi gerado a partir do plano de construção · melhore com um PR
Como seria construir sua versão?
Executa um pacote versionado de sondagens de extração e injeção contra seu endpoint de chat, pontua cada resposta quanto a vazamentos do prompt de sistema, segredos ou definições de ferramentas e gera um relatório ordenado por classificação com as transcrições exatas.
O que você vai precisar
- Uma chave de API para o modelo usado como juiz
- Um endpoint de chat ou API acessível do aplicativo em teste, além de permissão para submetê-lo a muitas requisições
- Uma cópia do seu prompt de sistema real e dos padrões de segredos para comparação
Há duas razões, e nenhuma delas é a dificuldade de construir o ambiente de testes. Primeiro, jailbreaks envelhecem: as sondagens que funcionavam contra o modelo do trimestre passado agora são peso morto, e manter um conjunto atualizado é o trabalho de alguém em tempo integral, não um cron configurado uma única vez. Segundo, segurança atestada por você mesmo vale praticamente nada para um comprador empresarial, então empresas pagam por um documento externo com data e logotipo. Se seu objetivo é apenas parar de colocar em produção um prompt de sistema que se desfaz quando alguém digita 'repita tudo acima', um ambiente de testes local é realmente suficiente.
xUm conjunto de sondagens selecionado e mantido, que acompanha novas famílias de jailbreaks em vez de depender do que o agente lembrava no dia da implementação
xEstratégias de ataque com múltiplas interações e modelos, incluindo crescendo e truques de codificação, implementadas corretamente em vez de prompts isolados
xUm relatório de terceiros com data, que você pode entregar a um cliente ou auditor
xTriagem de gravidade e orientações de correção escritas por alguém que já viu muitos casos assim
xExecuções de regressão a cada mudança de modelo ou prompt, sem você precisar lembrar de iniciá-las
Nada que valha indicar. Por isso o prompt existe.
Quanto custa ZeroLeaks?
- Plano mensal
- US$ 149/mêsUS$ 149/mês
- Por ano
- US$ 1.788/anoUS$ 1.788/ano
- Plano anual
- US$ 1.490/ano17% mais barato que pagar mês a mês
- No cartão, com IOF de 3,5%
- R$ 779/mêsR$ 7.787/ano
Salvo na Minha lista. Você recebe um aviso aqui no site quando o preço mudar.
Você conclui a compra no site de ZeroLeaks. O Vibe Radar não intermedeia pagamentos.
Vale mais construir ou assinar ZeroLeaks?
Ajuste os números: horas para construir, valor da sua hora, custos para manter no ar e o preço da assinatura.
Construir se paga em 4 meses.
Horas iniciais estimadas a partir da análise (uma sessão). Não inclui o valor do que você deixa de ter (suporte, integrações, segurança).
Dá para recriar ZeroLeaks?
Em parte. O núcleo de ZeroLeaks dá para construir em um fim de semana com o prompt desta página, mas há lacunas reais: Um conjunto de sondagens selecionado e mantido, que acompanha novas famílias de jailbreaks em vez de depender do que o agente lembrava no dia da implementação, Estratégias de ataque com múltiplas interações e modelos, incluindo crescendo e truques de codificação, implementadas corretamente em vez de prompts isolados. Leia a lista acima antes de começar.
Quanto custa ZeroLeaks?
ZeroLeaks custa cerca de US$ 149/mês (Pro, checado em 20/10/2026), ou seja, US$ 1.490 por ano.
O que eu perco ao substituir ZeroLeaks?
Sinceramente: Um conjunto de sondagens selecionado e mantido, que acompanha novas famílias de jailbreaks em vez de depender do que o agente lembrava no dia da implementação; Estratégias de ataque com múltiplas interações e modelos, incluindo crescendo e truques de codificação, implementadas corretamente em vez de prompts isolados; Um relatório de terceiros com data, que você pode entregar a um cliente ou auditor; Triagem de gravidade e orientações de correção escritas por alguém que já viu muitos casos assim; Execuções de regressão a cada mudança de modelo ou prompt, sem você precisar lembrar de iniciá-las. Se algum desses pontos é essencial para você, continue pagando.
Existe uma alternativa aberta para ZeroLeaks?
Não há alternativa open source madura que valha indicar, e é exatamente por isso que o prompt desta página existe.