ASTRA 是评测安全领域的开源项目，由 PurCL 开发，2025 年首次发布。
它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 77。
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 2026-08-28。MIT许可证，完全免费，无付费版本。
它主要面向的使用场景是：AI模型上线前的安全红队测试。同类可对比的替代方案包括 Garak、PyRIT、TextAttack。
ASTRA
实战对抗攻击，一键测出 AI 模型的安全漏洞
ASTRA 是亚马逊 Nova AI 安全挑战赛的冠军项目，作为攻击方团队，在实时对抗评估中击败了来自全球顶尖大学的防御团队。该项目专注于生成对抗性攻击，用于测试和评估 AI 模型的安全性与鲁棒性。它提供了一套工具和方法，能够自动生成针对大语言模型的攻击样本，帮助开发者发现模型在真实场景中的漏洞。核心能力包括对抗样本生成、攻击策略优化以及自动化评估流程。通过模拟恶意输入，ASTRA 能够暴露模型在提示注入、越狱攻击等方面的弱点，从而推动 AI 安全防护的改进。项目采用 Python 编写，适合安全研究人员和 AI 开发者使用。
开源
free
开源模型
GitHub 星标
★ 77
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PurCL
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型adversarial-attacks,code-generation,coding-agent,large-language-models,red-teaming
GitHub 星标★ 77
30天Star增速
HF 下载量
上线时间2025-08-13 00:00:00
最近更新2026-08-28 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3
使用教程
核心亮点
- 冠军验证：在亚马逊全球 AI 安全竞赛中击败多所顶尖大学防御团队，攻击能力经过实战检验
- 自动化攻击：提供现成的对抗样本生成和攻击流程，降低安全测试门槛
- 聚焦大模型安全：针对提示注入、越狱等真实威胁，帮助开发者定位模型弱点
不足之处
- 文档/社区待观察
- 项目处于早期阶段（仅 76 星），功能完整性和易用性有待验证
适用场景
- AI 模型上线前的安全红队测试
- 大模型鲁棒性研究与漏洞挖掘
- 企业 AI 安全合规评估
替代项目
Garak、PyRIT、TextAttack
项目介绍
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
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
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.