用途：为ML/LLM系统定义对抗威胁模型并落地鲁棒性防御工程。适用于规避、投毒、模型提取与推断攻击的威胁建模；设计鲁棒性评测套件（ASR、扰动预算、切片指标、回归测试）；实现对抗训练、输入清洗、检测器与集成防御；在实验室或预发环境对模型端点、API或批推理开展授权攻击演练；审计训练数据与流水线的投毒、后门和供应链篡改；制定生产护栏（输入校验、输出过滤、限流、异常监控）；比较认证鲁棒性与经验性鲁棒性主张；排查模型更新、微调或数据刷新后的鲁棒性回退。
主要能力：六类核心工作流——范围与威胁建模、攻击分类与场景、指标与基准、防御与缓解、模型红队演练、生产护栏与监控。产出包括威胁模型、鲁棒性评测规范、结果报告（ASR与切片表、代表性失败、置信区间）、防御计划、演练日志与护栏规范。
使用方式与原则：仅在书面授权范围内测试，禁止未经批准攻击生产环境；以经验测量为主，认证边界仅作补充；采用分层纵深防御，综合模型、输入与运营层控制；保证可复现性，对数据、模型哈希、攻击代码与随机种子做版本管理；诚实记录威胁模型偏差与自适应攻击者假设。
限制与边界：不适用于泛LLM产品红队与越狱策略（见ai-redteam）、AI治理与合规映射（ai-risk-governance）、安全分类器研究（ml-research-engineer-safeguards）、保障网关与GPU服务（ml-infrastructure-engineer-safeguards）、隐私泄露研究（privacy-research-engineer-safeguards）、生产RAG/Agent实现（ai-engineer）、无鲁棒性范围的综述（ai-researcher）以及非模型的网络渗透测试。具体安装命令与代码未提供。