mcpField
R
re-ai-triage

re-ai-triage

github.com/dslsdzcセキュリティ20647 回インストール2 週間前に更新
リポジトリ

re-ai-triage について

re-ai-triageは、AIモデルのリバースエンジニアリングにおける受付・振り分けスキルです。対象の種類が明確でない分析者向けに、モデルファイル、API、悪意ある挙動の疑いを適切な下流スキルへ案内します。

主な機能

  1. 01ファイルまたはAPI入力に応じた振り分け
  2. 02一般的なモデルファイル形式の識別
  3. 03ファイル分析と挙動分析の切り分け
  4. 04認可の確認と引き継ぎ情報の記録

活用シーン

  1. 01モデルファイルの分析経路の選択
  2. 02ブラックボックスAPI評価の挙動分析への振り分け
  3. 03モデルファイルとAPIの両方がある対象の処理
  4. 04実行ファイル内モデルの展開工程への引き継ぎ

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/dslsdzc/rev-skills --skill re-ai-triage

インストール後、Claude Code で/re-ai-triageを入力して読み込まれたか確認します。

詳細

プロジェクトの README より

AI 模型分析入口（分流器）

任务分类器（输入形态 → 路径）

拿到 AI 相关目标后先判输入形态，命中即转对应技能：

输入形态路径
拿到模型文件（.onnx / .pt / .pth / .safetensors / .tflite）→ [[re-ai-model]]（文件层：格式解析 / 结构还原 / 权重提取 / 文件级水印）
只有 API（无文件，黑盒接口）→ [[re-ai-attack]]（行为层：extraction / fingerprint / privacy / robustness 评估；guard 授权前置）
文件 + API 都有→ 先 [[re-ai-model]]（文件侧取证）→ 再 [[re-ai-attack]]（行为侧验证）
发现恶意行为（投毒 / 后门 / 恶意载荷 / 下载执行）→ 恶意分析（当前：[[re-ai-model]] 安全边界处理 + [[re-behavior]]；未来独立 re-ai-malware 承接）
模型被打包进可执行（PyInstaller/pyarmor 等）→ 先 [[re-binary-core]] 拆包 → 拆出的模型文件回本技能分流

何时使用 / 何时不用

  • 用：用户说「分析这个模型 / AI 模型安全 / 模型泄露」但未指明输入形态——先分流
  • 用：不确定目标是文件层还是行为层时——先识别再转
  • 不用：输入形态已明确（直接进 [[re-ai-model]] 或 [[re-ai-attack]]，不绕本技能）
  • 不用：非 AI 目标（走全局入口 [[re-analyze]]）
  • 不用：训练 / 微调 / 部署（非逆向）

工具准备

本技能只做识别与分流，工具轻量：

python3 / file —— 模型文件识别
  • python3 安装与验证见 [[re-python]] 工具准备
  • file：Linux apt install file / dnf install file / pacman -S file（多数预装）；验证 file --version
  • 验证：python3 -c "import struct"（标准库）
模型库探测（判断目标依赖，不加载模型）
  • pip list 2>/dev/null | grep -iE 'torch|tensorflow|onnx'——确认本机可解析目标格式；缺失时由下游技能引导安装

操作步骤

  1. 输入形态识别：
    • 用户给了路径/文件 → 先 file <path> + xxd <path> | head -2 粗看，再转 [[re-ai-model]]。几种形态的可靠信号（都以字节为准，不靠扩展名；细节见 [[re-ai-model]] 步骤 1）：
      • onnx：protobuf 流、无固定魔数，file 报 data；首字节是 ir_version 的 tag 0x08，第二个字节是版本号、随 ONNX 版本递增（不是常量 08）；producer_name 按规范只 SHOULD 出现
      • safetensors：file 报 data——前 8 字节是小端头长度，其后才是 JSON 头（xxd -l 16 可见长度段与 {）
      • pytorch：新版是 zip 容器，file 报 Zip archive（PK\x03\x04 头），unzip -l 可见 data.pkl 等条目；老式是裸 pickle 流（无 PK 头，file 常误报 XENIX 8086 relocatable or i286 small model）——不直接 load，见 [[re-ai-model]] 坑 2
      • tflite：flatbuffers 流，file 报 data；字节 4–7 是文件标识符 ASCII TFL3
    • 用户只有 API 端点/查询能力 → 转 [[re-ai-attack]]
    • 两者都有 → 按任务分类器先文件后行为
  2. 目标归属确认：文件/API 的持有方与授权（自有 / 授权测试 / CTF·研究）——行为层评估前必须确认（[[re-ai-attack]] guard 前置；授权上下文见 triage 第 0 步 RE_AUTH）
  3. 转交与记录：明确转交技能 + 会话变量（RE_GOAL、RE_AUTH、输入形态标记），不在本技能做深度分析

跨域联合

  • [[re-managed]]：本技能是其 AI 分支的第一跳（re-managed → re-ai-triage → re-ai-model / re-ai-attack）
  • [[re-ai-model]]：文件层下游
  • [[re-ai-attack]]：行为层下游（guard 授权前置）
  • [[re-binary-core]]：模型打包进可执行时的拆包前置
  • [[re-behavior]]：恶意行为侧协作（投毒/后门的行为判定）

常见坑与陷阱

  • 拿文件名猜格式：.pt 可能是 pickle 也可能是 zip 容器（torch 新格式）、.bin 可能是任意权重 dump——以 file 输出与魔数为准，不靠扩展名
  • 分流过深：本技能只识别与转交，不展开分析——在分流阶段做深度分析会与下游重复
  • 授权前置遗漏：行为层评估（[[re-ai-attack]]）有 guard 授权要求——转交前先确认 RE_AUTH，未知归属时先询问，不直接进入行为层

コメント

Markdown 対応