用途：为 CTF 中 AI/ML 题目提供快速参考，涵盖模型攻击、对抗机器学习与 LLM 攻击三类技术。
主要能力：模型权重分析（权重扰动取反、LoRA 适配器合并、模型反转、编码器碰撞、查询式模型提取、成员推断、基于梯度的输入恢复、激活最大化）；对抗样本（FGSM、PGD、C&W、对抗补丁、数据投毒、后门检测）；LLM 攻击（直接/间接提示注入、越狱、token 走私、上下文窗口操纵、工具调用利用）。详细内容见 model-attacks.md、adversarial-ml.md、llm-attacks.md。
使用方式：安装依赖 pip install torch transformers numpy scipy Pillow safetensors scikit-learn；Linux 需 apt install python3-dev，macOS 可用 brew install python@3。可用 file model.* 与 python3 -c 脚本检查 PyTorch、safetensors、HuggingFace 模型及 LoRA 适配器结构并比较权重差异，也可用 curl 向远端 LLM 接口测试提示注入。
适用场景：CTF 中的 ML 模型攻击、对抗样本与 LLM 安全类题目。
限制与转向：若题目仅剩纯数学、格约减或数论且无 ML 成分，转向 /ctf-crypto；若为逆向编译后的 ML 二进制（ONNX 加载器、TensorRT 引擎等），转向 /ctf-reverse；若只是用 ML 包装的游戏或谜题，转向 /ctf-misc。模型中未提供的具体题目、收费与平台信息暂未提供。