garak - 开源的 LLMs 漏洞扫描工具

3300 Stars 288 Forks 306 Issues 29 贡献者 Apache-2.0 License Python语言

garak检查是否可以以我们不希望的方式使 LLM 失败。探测幻觉、数据泄漏、及时注射、错误信息、毒性产生、越狱和许多其他弱点。如果您知道 or / Metasploit Framework，garak 的功能与它们有些相似，但适用于 LLM。garaknmapmsf

garak重点介绍使 LLM 或对话系统失败的方法。它结合了静态、动态和自适应探针来探索这一点。

主要功能

目前支持：

Hugging Face Hub 生成模型
复制文本模型
OpenAI API 聊天和延续模型
利特尔姆
几乎所有可通过 REST 访问的内容
GGUF 模型（如 llama.cpp 版本 >= 1046
..以及更多 LLM！

安装和使用

garak是一个命令行工具。它是在 Linux 和 OSX 中开发的。

标准安装pip

只需从 PyPI 获取它，您就可以开始了：

python -m pip install -U garak

使用安装开发版本pip

的标准 pip 版本会定期更新。要从 GitHub 获取更新的版本，请尝试：garak

python -m pip install -U git+https://github.com/NVIDIA/garak.git@main

从源克隆

garak有自己的依赖项。您可以在其自己的 Conda 环境中安装：garak

conda create --name garak "python>=3.10,<=3.12"
conda activate garak
gh repo clone NVIDIA/garak
cd garak
python -m pip install -e .

好吧，如果一切顺利，您可能已经准备好了！

注意：如果您在迁移到 GitHub 组织之前进行了克隆，但您正在 URI 中阅读此内容，请按如下方式更新您的远程仓库：NVIDIAgithub.com/NVIDIA

git remote set-url origin https://github.com/NVIDIA/garak.git

使用

一般语法为：

garak <options>

garak需要知道要扫描的模型，默认情况下，它将使用每个探测推荐的漏洞检测器，尝试在该模型上知道的所有探测。您可以使用以下方法查看探针列表：

garak --list_probes

要指定生成器，请使用和（可选）选项。模型类型指定模型族/界面;Model Name 指定要使用的确切模型。下面的 "生成器简介" 部分介绍了一些支持的生成器。一个简单的生成器系列是 Hugging Face 模型;要加载其中一个，请在 Hub 上将 to 和 to 设置为模型的名称（例如）。某些生成器可能需要将 API 密钥设置为环境变量，如果需要，他们会通知您。--model_type--model_name--model_typehuggingface--model_name"RWKV/rwkv-4-169m-pile"

garak默认情况下，会运行所有探测，但您也可以对此进行具体说明。将仅使用 PromptInject 框架的方法。您还可以通过在 ;例如，将使用基于语言模型风险卡框架生成诽谤的模型的检查实现。--probes promptinject.--probes lmrc.SlurUsage

如需帮助和灵感，请在 Twitter 或 Discord 上找到我们！

例子

探测 ChatGPT 以进行基于编码的提示注入（OSX/*nix）（将示例值替换为真实的 OpenAI API 密钥）

export OPENAI_API_KEY="sk-123XXXXXXXXXXXX"
python3 -m garak --model_type openai --model_name gpt-3.5-turbo --probes encoding

查看 GPT2 的 Hugging Face 版本是否容易受到 DAN 11.0 的攻击

python3 -m garak --model_type huggingface --model_name gpt2 --probes dan.Dan_11_0