用途：本技能聚焦 AI 红队与自动化安全测试，用于对 LLM 与机器学习模型进行漏洞探测、对抗攻击与鲁棒性评估，覆盖 OWASP LLM Top 10、NIST 与 MITRE ATLAS 相关方向。
主要框架：PyRIT（微软，企业级 LLM 红队，多轮攻击编排、策略库、目标连接器、评分与上下文管理，支持 crescendo、pair、tree_of_attacks、flip 等策略）；garak（NVIDIA，LLM 漏洞扫描，50+ 探测类型，含 promptinject、dan、encoding 等，支持插件架构与 CI/CD 集成）；Counterfit（微软，面向图像分类、表格模型与目标检测的对抗攻击，集成 ART）；ART（IBM，通用 ML 安全，100+ 攻击与 50+ 防御，覆盖规避、投毒、提取与推断攻击，支持 TensorFlow、PyTorch、Keras、Scikit-learn）；TextAttack（社区，NLP 对抗攻击，含 TextFooler、BAE、BERTAttack 等配方与自定义攻击）。
使用方式：PyRIT 以 Python 编排目标与评分器执行多轮攻击；garak 通过命令行扫描，如 garak --model_type openai --model_name gpt-4 --probes all --report_prefix full_scan；Counterfit 与 ART 通过 Python 加载目标模型并执行攻击；TextAttack 加载模型与数据集后运行攻击配方。支持自定义探测与统一框架集成。
适用场景：企业 LLM 部署测试、CI/CD 漏洞扫描、图像/表格模型对抗评估、NLP 模型扰动测试与研究级评估。
限制：需明确授权与隔离测试环境，避免攻击生产系统；需限制速率防止 DoS；结果受模型版本与 API 影响；具体收费与平台支持暂未提供。