cognis-digital/adversa

``` pip install cognis-adversa adversa scan . # → prioritized findings in seconds ``` ## 使用 — 分步指南 `adversa` 是一个 LLM 红队探针运行器，将 OWASP LLM Top-10 + MITRE ATLAS 映射为可运行的探针。 1. **安装** (Python 3.10+)： pip install -e . # 或：pipx install adversa 2. **浏览内置探针目录** (按 OWASP/ATLAS/严重程度过滤)： adversa catalog --owasp LLM01 --min-severity high 3. **扫描目标** — 内置的 `secure`/`vulnerable` 引用，或者你自己的签名为 `target(prompt) -> str` 的 `module:callable`： adversa scan vulnerable adversa scan mypkg.mymodel:generate --owasp LLM01 4. **读取输出** 为 JSON，或检查单个探针的 prompt + grader + 修复建议： adversa scan vulnerable --format json | jq '.findings' adversa probe pi.direct_override adversa refs # OWASP LLM Top-10 + ATLAS 战术表 5. **门控 CI** — 当存在发现时 `scan` 以 `1` 退出，无发现时以 `0` 退出，使用错误时以 `2` 退出： - 运行：pip install -e . && adversa scan mypkg.mymodel:generate # 非零退出将导致任务失败 ## 目录 - [为什么选择 adversa？](#why) · [功能](#features) · [快速开始](#quick-start) · [示例](#example) · [架构](#architecture) · [AI stack](#ai-stack) · [对比](#how-it-compares) · [集成](#integrations) · [随处安装](#install-anywhere) · [相关项目](#related) · [贡献](#contributing) ## 为什么选择 adversa？ LLM 红队测试框架 — OWASP LLM Top 10 + MITRE ATLAS 攻击包 — 无需搭建繁重的基础设施。 `adversa` 是单一用途、可脚本化且可自托管的：将其指向目标，以你的工作流已有的格式（表格 · JSON · SARIF）获取优先级排序的结果，基于它对 CI 进行门控，并让 agents 通过 MCP 驱动它。 ## 功能 - ✅ 严重性排名 - ✅ 内置 Probes - ✅ 加载 Probes - ✅ 检测成功 - ✅ 运行 Probes - ✅ 记录 Target - ✅ 加载记录 - ✅ 运行于 Linux/macOS/Windows · Docker · devcontainer - ✅ 支持 Python、JavaScript、Go 和 Rust 移植版 (`ports/`) ## 快速开始 ``` pip install cognis-adversa adversa --version adversa scan . # scan current project adversa scan . --format json # machine-readable adversa scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ adversa scan . [HIGH ] ADV-001 example finding (./src/app.py) [MEDIUM ] ADV-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[sources] --> P[adversa
curate + validate] P --> OUT[query / analysis] ``` ## 从任何 AI stack 中使用它 `adversa` 可与所有流行的 AI 使用方式互操作： - **MCP server** — `adversa mcp` (Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **兼容 OpenAI / JSON** — 将 `adversa scan . --format json` 管道传输给任何 agent 或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** — 一行代码即可将 CLI/JSON 包装为工具 - **CI / 脚本** — 为非 AI pipeline 提供 exit code + SARIF ## 对比 | | **Cognis adversa** | leondz | |---|:---:|:---:| | 可自托管，无需账户 | ✅ | 视情况而定 | | 单条命令，零配置 | ✅ | ⚠️ | | 用于 CI 的 JSON + SARIF | ✅ | 视情况而定 | | MCP 原生支持 (AI agents) | ✅ | ❌ | | 多语言移植 (JS/Go/Rust) | ✅ | ❌ | | 开源许可 | ✅ COCL | 视情况而定 | *本着 **leondz/garak** 的精神打造，以 Cognis 的方式重新构建。遗漏了致谢？提交一个 PR。* ## 集成 接入你的技术栈：用于代码扫描的 **SARIF**，用于任何场景的 **JSON**，用于 AI agents 的 **MCP server** (`adversa mcp`)，以及用于 SIEM/Slack/Jira 的 webhook 转发器。参见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 — 所有方式，所有平台 ``` pip install "git+https://github.com/cognis-digital/adversa.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/adversa.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/adversa.git" # uv pip install cognis-adversa # PyPI (when published) docker run --rm ghcr.io/cognis-digital/adversa:latest --help # Docker brew install cognis-digital/tap/adversa # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/adversa/main/install.sh | sh ``` | Linux | macOS | Windows | Docker | 云平台 | |---|---|---|---|---| | `scripts/setup-linux.sh` | `scripts/setup-macos.sh` | `scripts/setup-windows.ps1` | `docker run ghcr.io/cognis-digital/adversa` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关的 Cognis 工具 - [`aegis`](https://github.com/cognis-digital/aegis) — AI Agent 权限与访问审计器 — 揭示凭证 + injection + 触及范围的致命三要素 - [`promptmirror`](https://github.com/cognis-digital/promptmirror) — 针对任何 LLM 上下文输入的 Prompt injection 与间接 injection 扫描器 - [`ledgermind`](https://github.com/cognis-digital/ledgermind) — 具有异常检测功能的本地 LLM 成本与 token 取证代理 - [`guardpost`](https://github.com/cognis-digital/guardpost) — 运行时 agent 防火墙 — PII 脱敏、速率限制、策略执行 - [`hallumark`](https://github.com/cognis-digital/hallumark) — 用于 RAG 系统的 LLM 幻觉与接地审计器 - [`aicard`](https://github.com/cognis-digital/aicard) — 自动生成的 NIST AI RMF / EU AI Act Annex IV 模型与系统卡片 **探索整个套件 →** [🗂️ 全部 170+ 工具](https://github.com/cognis-digital/cognis-neural-suite) · [⭐ awesome-cognis](https://github.com/cognis-digital/awesome-cognis) · [🔗 cognis-sources](https://github.com/cognis-digital/cognis-sources) · [🤖 uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet) · [🧠 engram](https://github.com/cognis-digital/engram) ## 互操作性 `{}` 与 300+ 工具的 Cognis 套件协同组合 — JSON 输入/输出以及共享的 兼容 OpenAI 的 `/v1` 骨干网络。有关套件图谱、组合模式和参考技术栈，请参见 **[INTEROP.md](INTEROP.md)**。 ## 许可证 在 **Cognis Open Collaboration License (COCL) v1.0** 下提供源代码 — 免费用于个人、内部评估、研究和教育用途；**商业/生产用途需要许可证** (licensing@cognis.digital)。参见 [LICENSE](LICENSE)。

标签：AI安全, Chat Copilot, DLL 劫持, OWASP Top 10, 可视化界面, 大语言模型, 安全测试, 攻击性安全, 数据可视化, 日志审计, 请求拦截, 逆向工具