Offensive-Security-AI-Models 是评测安全领域的开源项目，由 JoasASantos 开发，是 2026 年新上线的项目。
它收录于评测安全分类，该分类目前共有 476 个项目，GitHub 星标数为 134。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-28。免费使用。
它主要面向的使用场景是：红队成员在授权渗透测试中生成测试payload思路。同类可对比的替代方案包括 Awesome-LLM-Security、PurpleLlama。
Offensive-Security-AI-Models
找能聊攻防的开源模型，本地跑不拒答
Offensive-Security-AI-Models 是一个面向网络安全攻防场景的模型资源汇总项目，主要收录未经审查（uncensored）或针对网络安全任务微调的大语言模型。它解决的核心问题是：主流商用模型因安全对齐策略，往往拒绝回答渗透测试、漏洞利用、恶意代码分析等敏感请求，导致安全从业者在授权测试、红队演练和应急响应中缺少可用的 AI 助手。项目通过整理可本地部署的开源模型清单，让研究者能按需选择合适权重，在隔离环境中完成侦察、payload 生成、日志研判等任务。核心能力是资源索引与分类，而非训练框架或工具链，属于选型参考型仓库。
开源
free
评测安全
GitHub 星标
★ 134
维护状态
活跃
是否开源
是
定价模式
free
项目数据
分类评测安全
开发团队JoasASantos
所属国家
定价模式free
价格说明开源模型，免费使用
访问状态
是否开源是
开源协议
主要语言
技术栈/模型
GitHub 星标★ 134
30天Star增速
HF 下载量
上线时间2026-09-27 00:00:00
最近更新2026-09-28 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-29
浏览次数0
使用教程
核心亮点
- 按攻防用途筛选模型，省去逐个试错的时间
- 聚焦本地可部署权重，敏感数据不出内网
- 覆盖未审查与安全微调两类路线，选型维度清晰
不足之处
- 仅做清单汇总，缺少各模型在真实攻防任务上的横向评测数据
- 更新依赖社区提交，新模型跟进速度不稳定
适用场景
- 红队成员在授权渗透测试中生成测试 payload 思路
- 安全研究员本地分析恶意样本时让模型辅助解读代码
- CTF 选手在离线环境搭建 AI 解题助手
替代项目
Awesome-LLM-Security、PurpleLlama
项目介绍
下一篇：没有了！
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,···
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
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.
fast-llm-security-guardrails
开源
给 AI Agent 加一道快速安全闸门，防提示注入和隐私泄露
The fastest Trust Layer for AI Agents