CTF人工智能模型攻防解题
输入CTF题目、模型文件或接口信息,分析模型弱点并构造验证脚本,获得可复现的解题路径。
功能与用途
面向人工智能与机器学习类CTF题目,接收题目说明、模型权重、样本数据或模型接口信息,分析可利用的线索,生成验证脚本与解题步骤。覆盖权重差异分析、LoRA适配器检查、对抗样本构造、模型反演、提示词注入和训练样本成员推断等方向,帮助参赛者定位突破口并验证结果。使用时需要能访问本地文件、运行Bash和Python的智能体环境,并按题目需要安装机器学习依赖。
适用场景
- 分析被修改的模型权重:对比原始模型与题目模型,定位权重变化,尝试恢复被微调抑制的输出行为。
- 构造图像分类对抗样本:结合分类模型、原始图片和扰动限制,生成使模型误分类的样本并验证效果。
- 破解聊天机器人赛题:分析题目聊天接口的指令约束,构造提示词注入输入并检查返回结果。
- 从模型输出反推输入:利用给定模型与目标输出优化输入,寻找满足题目条件的样本或编码碰撞。
适用人群
- 参与人工智能赛题的CTF选手
- 机器学习安全研究人员
- 组织模型攻防实验的安全教学人员
使用步骤
- 提供题目说明、目标条件和模型或接口资料。
- 检查模型格式、输入输出及可用线索。
- 选择权重分析、对抗样本或提示注入等路径。
- 生成并运行验证脚本,检查是否满足题目条件。
- 依据结果调整参数,整理可复现的解题步骤。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- IT运维与安全
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-11-03
- 文件数
- 6
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Provides AI and machine learning techniques for CTF challenges. Use when attacking ML models, crafting adversarial examples, performing model extraction, prompt injection, membership inference, training data poisoning, fine-tuning manipulation, neural network analysis, LoRA adapter exploitation, LLM jailbreaking, or solving AI-related puzzles.
使用前准备
- 具备Python、机器学习模型推理和CTF解题基础。
- 使用支持本地文件读写及Bash、Python 3执行的智能体环境。
- 提供题目说明,以及题目涉及的模型、样本或接口信息。
- 能够联网安装PyTorch、Transformers等题目所需依赖。