FuzzyAI

自动给 LLM 做安全体检,找出越狱漏洞

FuzzyAI 是一个自动化的大语言模型模糊测试工具,旨在帮助开发者和安全研究人员发现并缓解其 LLM API 中的潜在越狱漏洞。它通过生成大量恶意或边界输入,对目标模型进行压力测试,以暴露模型在内容安全、指令遵循等方面的弱点。核心能力包括可定制的测试用例生成、多模型并行测试、漏洞分类与报告,以及集成到 CI/CD 流程的 API。该项目基于 Jupyter Notebook 开发,便于交互式使用和结果可视化,适合在模型上线前或更新后进行安全评估。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1576
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队cyberark
所属国家
官网地址
定价模式free
价格说明开源项目,Apache-2.0许可证,可免费使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Jupyter Notebook
技术栈/模型ai,ai-red-team,fuzzing,jailbreak,jailbreaking,llm,llm-evaluation,llm-security,llms,security
GitHub 星标★ 1576
30天Star增速
HF 下载量
上线时间2024-12-03 00:00:00
最近更新2026-09-22 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

难度:入门 约 10 分钟 部署方式:命令行工具 6 步

环境要求

  • Python 环境(README 未指定具体版本,需能使用 pip)
  • pip 或任意其它 Python 包管理器
  • 独立项目方式需要 Poetry(https://python-poetry.org/)
  • 可选:ollama 本地模型运行时(https://ollama.com/download/)
  • 可选:本地运行 llama3.1 需约 4.7 GB 磁盘空间

安装与启动步骤

  1. 1安装 FuzzyAI

    在已有 Python 项目中直接用 pip 从 GitHub 安装 fuzzyai 包,这是快速上手方式一。

    pip install git+https://github.com/cyberark/FuzzyAI.git
  2. 2验证安装并查看帮助

    运行 fuzz 子命令的 -h 帮助,确认命令已可用并了解可用参数。

    fuzzyai fuzz -h
  3. 3克隆仓库

    方式二:作为独立项目使用,先从 GitHub 克隆仓库并进入目录。

    git clone git@github.com:cyberark/FuzzyAI.git
    cd FuzzyAI
  4. 4用 Poetry 装依赖

    在仓库目录下通过 Poetry 以可编辑模式安装项目依赖。

    poetry run pip install -e .
  5. 5运行 fuzzer

    在 Poetry 环境中运行 fuzzer 帮助命令,确认独立项目方式可用。

    poetry run fuzzyai fuzz -h
  6. 6可选下载本地模型

    可选步骤:安装 ollama 后拉取 llama3.1 供本地测试,约 4.7 GB。

    ollama pull llama3.1
    ollama show llama3.1

如何确认成功

执行 fuzzyai fuzz -h(或 poetry run fuzzyai fuzz -h)能正常打印帮助信息即安装成功;用 ollama show llama3.1 可确认本地模型已就绪。

常见问题

Q:两种安装方式该怎么选?

A:已有 Python 项目时用方式一 pip 直接安装;希望独立使用、便于改代码时用方式二克隆仓库并用 Poetry 安装。

Q:一定要装 ollama 吗?

A:不是。README 将 ollama 标为 Optional,仅在你需要本地模型时安装,并用 ollama pull 下载模型。

Q:llama3.1 要占多少空间,能换别的吗?

A:README 说明其约 4.7 GB、8B 参数;也可换成 ollama 支持的任意其它开源模型。

Q:README 提到 Web UI,怎么启动?

A:README 节选中只提到可以改用 Web UI,未给出具体启动命令,请查阅仓库完整文档确认。

注意事项

  • 安装命令需要联网访问 GitHub 与 PyPI。
  • 独立项目方式必须使用 Poetry 运行命令,直接执行可能找不到依赖。
  • README 节选未说明 API Key、目标模型端点等配置,实际测试前请查阅仓库完整说明。
  • 本工具用于对自有 LLM API 做安全评估,请勿用于未授权目标。

核心亮点

  • 自动化生成多样化越狱测试用例,覆盖常见攻击模式
  • 支持主流 LLM API 集成,可批量测试多个模型
  • 提供结构化漏洞报告,便于修复和追踪

不足之处

  • 文档/社区待观察
  • 依赖 Jupyter Notebook 环境,部署和自动化集成门槛略高

适用场景

  • LLM 上线前安全测试
  • 模型更新后回归验证
  • 安全研究中的漏洞挖掘

替代项目

Garak、PyRIT、TextAttack

项目介绍

FuzzyAI 是评测安全领域的开源项目,由 cyberark 开发,2024 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(1,576)位列前 30%,在评测安全分类中处于中上游。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-22。Apache-2.0许可证,可免费使用和部署。

它主要面向的使用场景是:LLM上线前安全测试。同类可对比的替代方案包括 Garak、PyRIT、TextAttack。

上一篇:Awesome-Jailbreak-on-LLMs

下一篇:rebuff

同类项目推荐

akto 开源

给 AI 应用做安全体检,防提示注入和数据泄露

Akto is the fastest growing AI Security platform for your teams to secure AI agents,···

★ 1517 2026-08-20
XSafeClaw 开源

给 AI 智能体装上安全盾,自动红队测试找漏洞

Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University

★ 164 2026-08-10
deepteam 开源

自动模拟越狱攻击,提前测出 LLM 安全漏洞

DeepTeam is a framework to red team LLMs and AI agents.

★ 2937 2026-09-12