mcpField
C
ctf-ai-ml

ctf-ai-ml

github.com/wgpsec安全1.8k46 次安装5 天前更新
代码仓库

关于 ctf-ai-ml

面向 CTF 参与者的 AI/ML 攻击技术指南，按模型文件、分类器和 LLM 目标提供分析方向，并提示何时切换到其他安全主题。

主要功能

  1. 01模型权重分析与操纵
  2. 02图像分类器对抗攻击
  3. 03LLM 提示注入与越狱
  4. 04按目标类型提供决策树
  5. 05相关 CTF 主题切换提示

适用场景

  1. 01分析 .pt 或 .safetensors 模型文件
  2. 02构造图像对抗样本
  3. 03测试聊天机器人安全弱点

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/wgpsec/aboutsecurity --skill ctf-ai-ml

安装后在 Claude Code 中输入/ctf-ai-ml确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/
adversarial-ml.md
llm-attacks.md
model-attacks.md

详细介绍

CTF AI/ML 攻击技术

适用场景

  • 挑战涉及 ML 模型文件（.pt、.pth、.safetensors、.onnx、.h5）
  • 目标是 AI 聊天机器人、基于 LLM 的应用或 ML 分类器
  • 需要构造对抗样本来欺骗图像／文本分类器
  • 挑战提供了用于分析或篡改的模型权重
  • AI/ML 平台安全测试（模型提取、成员推理）

快速开始

pip install torch transformers numpy scipy Pillow safetensors scikit-learn
file model.*
python3 -c "import torch; m=torch.load('model.pt'); print(type(m), m.keys() if hasattr(m,'keys') else '')"

决策树

  1. 模型权重文件（.pt/.safetensors） → model-attacks.md
    • 权重扰动取反、模型反演、LoRA 合并、编码器碰撞
  2. 需要欺骗的图像分类器 → adversarial-ml.md
    • FGSM、PGD、C&W 攻击、对抗补丁、规避、数据投毒
  3. LLM/聊天机器人目标 → llm-attacks.md
    • 提示词注入、越狱、令牌走私、工具使用漏洞利用
  4. ML 中的纯数学／密码学问题 → 切换到 ctf-crypto
  5. 已编译的模型二进制文件 → 切换到 ctf-reverse
  6. 包装在聊天机器人中的 Python 牢笼 → 切换到 ctf-misc

转向信号

  • 如果挑战是纯密码学／数论问题，不涉及 ML → /ctf-crypto
  • 如果要逆向工程已编译的推理二进制文件 → /ctf-reverse
  • 如果要逃逸聊天机器人包装器中的 Python 沙箱 → /ctf-misc
  • 如果是带 AI 功能的 Web 应用（通过 Web 进行提示词注入） → /ai-security/prompt-injection

评论

支持 Markdown