mayankbhaskardev/redqueen

## 概述 REDQUEEN 是一个 AI 红队（red-teaming）框架，通过遗传算法和多向量攻击树演化对抗性 payload，实现大规模自主发现 LLM 漏洞。它将安全测试从静态模糊测试转变为一个有生命力、自适应的掠食者，以极高的精准度猎杀模型的弱点。 ## ⚡ 功能 | 功能 | 描述 | 状态 | |---------|-------------|--------| | **遗传 Payload 演化** | 通过变异算子在世代间繁衍攻击提示 | ✅ 生产级 | | **Hydra 攻击树** | 具有概率分支的多向量漏洞利用链 | ✅ 生产级 | | **自动补丁引擎** | 提供带有语义验证的自主修复建议 | ✅ 生产级 | | **并行攻击编排** | 跨集群的分布式 payload 执行 | ✅ 生产级 | | **实时越狱检测** | 对模型输出进行统计异常检测 | ✅ 生产级 | | **攻击分类框架** | 符合 OWASP 标准的 payload 分类系统 | ✅ 生产级 | | **语义相似度评分** | 基于向量的 payload 去重 | ✅ 生产级 | | **自定义适应度函数** | 为每个目标定义您自己的成功指标 | ✅ 生产级 | | **导出与修复报告** | 用于 CI/CD 集成的 JSON/SARIF 输出 | ✅ 生产级 | | **模型无关性** | 兼容 OpenAI、Anthropic、Llama 和本地模型 | ✅ 生产级 | ## 🚀 快速开始 ### 安装 ``` # Clone 仓库 git clone https://github.com/redteam-labs/redqueen.git cd redqueen # 安装 dependencies pip install -r requirements.txt # 验证安装 redqueen --version ``` ### 您的首次攻击 ``` # 初始化新的红队 campaign redqueen init my-first-campaign # 配置你的 target model cat > my-first-campaign/config.yaml << 'EOF' target: model: "gpt-4" api_key: "${OPENAI_API_KEY}" temperature: 0.7 max_tokens: 256 genetic: generations: 50 population_size: 32 mutation_rate: 0.4 crossover_rate: 0.6 scoring: success_threshold: 0.85 metrics: ["jailbreak", "refusal_rate", "semantic_shift"] EOF # 发起攻击 redqueen attack my-first-campaign/config.yaml --output results.json ``` ### 分析结果 ``` # 生成详细报告 redqueen report results.json --format html --output attack_report.html # 提取成功的 payloads redqueen extract results.json --filter "success=true" --output payloads.txt # 自动生成 patch 建议 redqueen patch results.json --target openai --output patches.md ``` ## 🧬 架构 ### 攻击流程图 ``` graph LR A["📚 Payload Library
(Jailbreaks, Prompts)"] -->|seed| B["🔬 Genetic Mutator
(Crossover, Mutation)"] B -->|evolve| C["Generation N
(Population Pool)"] C -->|batch| D["🎯 Target Model
(LLM Instance)"] D -->|responses| E["📊 Scoring Engine
(Fitness Evaluation)"] E -->|feedback loop| F{{"Success?
Fitness > Threshold"}} F -->|yes| G["✅ Exploit Found"] F -->|no| H["Evolve Next Gen"] H -->|new mutations| C G -->|vulnerabilities| I["🛠️ Auto-Patcher
(Remediation)"] I -->|recommendations| J["📋 Report
(SARIF/JSON)"] ``` ## 📊 对比矩阵 | 功能 | REDQUEEN | Promptfoo | PyRIT | Garak | |---------|----------|-----------|-------|-------| | **遗传演化** | ✅ 原生 | ❌ 无 | ❌ 无 | ❌ 无 | | **Hydra 攻击树** | ✅ 原生 | ❌ 无 | ✅ 有限 | ❌ 无 | | **自动补丁** | ✅ 是 | ❌ 无 | ❌ 无 | ❌ 无 | | **分布式执行** | ✅ 是 | ✅ 是 | ✅ 是 | ⚠️ 部分 | | **模型无关性** | ✅ 是 | ✅ 是 | ✅ 是 | ✅ 是 | | **OWASP 对齐** | ✅ 完全 | ⚠️ 部分 | ⚠️ 部分 | ✅ 完全 | | **CI/CD 集成** | ✅ SARIF | ❌ 无 | ✅ 是 | ⚠️ 有限 | | **自定义指标** | ✅ 可插拔 | ⚠️ 有限 | ✅ 是 | ❌ 无 | | **生产就绪** | ✅ 2.0.0 | ✅ 是 | ✅ 是 | ✅ 是 | | **积极开发** | ✅ 每周 | ⚠️ 每月 | ✅ 每周 | ⚠️ 每月 | ## 📖 用法示例 ### 示例 1：自定义适应度函数 ``` from redqueen import Campaign, Scorer # 定义你自己的 success metric class SemanticShiftScorer(Scorer): def evaluate(self, prompt, response, baseline): """Measure how far the model drifted from its base behavior.""" shift = self.embedding_distance(response, baseline) return min(shift / self.threshold, 1.0) # 使用自定义 scorer 启动 campaign = Campaign( config_path="config.yaml", scorer=SemanticShiftScorer(), generations=100 ) results = campaign.run() ``` ### 示例 2：Hydra 攻击树 ``` from redqueen.attacks import HydraTree # 定义 multi-vector attack chains tree = HydraTree( root="jailbreak_base", branches=[ {"mutation": "add_roleplay", "weight": 0.6}, {"mutation": "add_reasoning", "weight": 0.4}, ], depth=3, branching_factor=2 ) payloads = tree.generate(count=50) ``` ### 示例 3：并行集群攻击 ``` # 跨 4 个 GPU 节点分布式运行 redqueen attack config.yaml \ --distributed \ --workers 4 \ --backend kubernetes \ --output distributed_results.json ``` ## 🔐 安全与道德 - **负责任的披露**：所有发现的漏洞都会报告给模型供应商，并设有 90 天的禁发期（embargo） - **仅限授权测试**：仅对您拥有明确红队测试权限的模型进行测试 - **OWASP 对齐**：攻击根据 [OWASP LLM Top 10](https://owasp.org/www-project-top-10-for-large-language-model-applications/) 进行分类 - **审计追踪**：包含时间戳和模型版本的完整 payload 历史记录 ## 🛠️ 配置 ``` # Genetic Algorithm 设置 genetic: generations: 100 # Evolution cycles population_size: 64 # Individuals per generation mutation_rate: 0.35 # Base mutation probability crossover_rate: 0.75 # Genetic recombination rate elitism_ratio: 0.1 # Top performers preserved # Target Model target: model: "gpt-4" provider: "openai" api_key: "${OPENAI_API_KEY}" timeout: 30 temperature: 0.8 # Scoring 阈值 scoring: success_threshold: 0.80 # Jailbreak confirmed if > threshold novelty_bonus: 0.15 # Reward for unique payloads semantic_diversity: 0.25 # Enforce exploration # Attack Payload 来源 payloads: seed_library: "./data/base_jailbreaks.json" owasp_categories: - "prompt_injection" - "training_data_poisoning" - "model_denial_of_service" ``` ## 📦 安装方式 ### pip（推荐） ``` pip install redqueen-ai ``` ### 从源码安装 ``` git clone https://github.com/redteam-labs/redqueen.git cd redqueen pip install -e . ``` ### Docker ``` docker pull redteam/redqueen:latest docker run -it redteam/redqueen:latest redqueen --help ``` ### Conda ``` conda install -c redteam-labs redqueen ``` ## 🧪 测试 ``` # 运行 test suite pytest tests/ -v # 附带 coverage pytest tests/ --cov=redqueen --cov-report=html # Benchmark genetic operators pytest tests/benchmarks/ -v --benchmark-only ``` ## 📚 文档 - **[入门指南](./docs/getting-started.md)** - 逐步教程 - **[API 参考](./docs/api.md)** - 完整的函数文档 - **[攻击分类法](./docs/taxonomy.md)** - OWASP 对齐的漏洞利用类别 - **[高级配置](./docs/config.md)** - 调整遗传算子 - **[部署指南](./docs/deployment.md)** - 在 Kubernetes 上的生产环境部署 - **[贡献指南](./CONTRIBUTING.md)** - 帮助我们演化这个掠食者 ## 📄 许可证 REDQUEEN 采用 **MIT License** 授权。详情请参阅 [LICENSE](./LICENSE)。 **免责声明**：REDQUEEN 是一款安全研究工具，专为授权的红队活动而设计。用户有责任确保在测试任何模型或系统之前已获得明确许可。未经授权的访问或测试是非法行为。 ## 🙋 支持与社区 - **GitHub Issues**：[报告 Bug 或请求功能](https://github.com/mayankbhaskardev/redqueen/issues) - **讨论区**：[社区问答](https://github.com/mayankbhaskardev/redqueen/discussions) - **安全问题**：[负责任的披露](./SECURITY.md) - **作者**：[Mayank Bhaskar (@godxmaya)](https://github.com/mayankbhaskardev) - **邮箱**：[mayankbhaskardev@gmail.com](mailto:mayankbhaskardev@gmail.com) ## 🏆 引用 如果您在研究中使用了 REDQUEEN，请引用： ``` @software{redqueen2026, author = {Mayank Bhaskar}, title = {REDQUEEN: Genetic Payload Evolution for AI Security}, year = {2026}, url = {https://github.com/mayankbhaskardev/redqueen}, version = {2.0.0} } ```

标签：AI安全, Chat Copilot, DLL 劫持, LLM红队, Python, 大语言模型, 子域名突变, 无后门, 请求拦截, 越狱检测, 逆向工具