⏳ This skill is pending AI review.

Scores will appear once the review pipeline completes.

version unknown

ai-mcp-security

netw0rknoob@netw0rknoob⭐ 3.9k stars· last commit 1mo ago· 8 open issues

AI与MCP安全评估 — Prompt注入、工具滥用、MCP信任边界、Agent权限逃逸、数据泄露、模型风险、GAARM风险矩阵

Choose how to use this skill

You do not need every option. Choose the path your AI client supports. The stable page stays the same; versioned files are immutable.

1. Native installer

This listing has no registered native installer command. Use the complete package or source fallback below, depending on what your client supports.

Do not guess an installer command or replace an existing version without reviewing the diff.

2. Complete package recommended

Download the ZIP when available. It includes SKILL.md plus the references, security notes and version metadata.

No complete ProSkills package is published for this listing yet.

3. Prompt-only

Copy the prompt above when the agent can read the stable page or when you want to adopt the workflow without installing a skill.

Need only the instruction file?

Download SKILL.md only if your client requires a single file. The complete ZIP is safer for a full installation because it preserves the references and release context.

No path installs or executes anything by itself. Your agent still needs access to the project files. Before updating, compare the installed version and review the diff.

—/10

// RATINGS

⭐GitHub Stars
⭐⭐⭐⭐⭐ 3.9k on GitHubGitHub ↗

Very popular

🟢ProSkills Score
—
📍

Not yet listed on ClawHub or SkillsMP

// README

VulnClaw 🦞

AI 驱动的渗透测试 CLI 工具 — 说人话,打漏洞。

License: MIT Python 3.10+ OpenAI Compatible MCP PyPI codecov Security Discord AtomGitStars

🌐 English version: README_EN.md

本项目是可独立运行的 AI 渗透测试 Agent。 项目官网:https://unclecheng-li.github.io/vulnclaw.com/

基于 LLM Agent + MCP 工具链 + 可选 Skill 参考资料, 配合 OpenAI / Anthropic / MiniMax / DeepSeek 等兼容模型, 自然语言输入 → 自动完成「信息收集 → 漏洞发现 → 漏洞利用 → 报告生成」全流程。

快速开始 · 架构 · 内置 Skill


它能做什么

输入自然语言,AI 自动执行渗透测试全流程:

用户输入:帮我对 http://target.example.com 进行渗透测试

VulnClaw 自动执行:
  Round 1:  信息收集 → 指纹识别、端口扫描、目录枚举
  Round 2:  漏洞发现 → 检测注入点、已知 CVE、配置缺陷
  Round 3:  漏洞利用 → PoC 验证、权限获取
  Round 4:  报告生成 → 结构化报告 + Python PoC 脚本

适用于已授权的渗透测试、CTF 竞赛、安全教学、红队演练等场景。


特性

  • 模型主导求解引擎(默认) — 类似 Claude Code/Codex 的自主循环,模型自己决定下一步、何时调用工具、何时完成/询问/判定无路可走
  • AgentState 证据记忆 — 工具结果统一写入 AgentState.evidence,raw 原文完整保留;active context 默认只注入高信号预览,evidence_search / evidence_view 用于按需回查原始证据
  • 轻量纠偏层 — 工具调用前后记录重复调用、失败降级、耗时和新发现等信号;重复读取同一 evidence 范围会被抑制,连续证据空转会触发 stall guard,但不恢复旧阶段规划器
  • 证据级反幻觉闸门 — 声称的 flag/结论必须在真实工具输出里逐字符出现才被采信,杜绝凭空编造 flag 的假胜利
  • 自然语言驱动 — 用人话描述渗透意图,自动识别阶段和工具
  • 13 个 LLM Provider — OpenAI / Anthropic / MiniMax / DeepSeek / 智谱 / Moonshot / 千问 / SiliconFlow / 豆包 / 阶跃星辰 / 商汤 / OpenRouter / 本地 Ollama,一键切换
  • MCP 工具链 — 4 个 MCP 服务:fetch / memory 本地实现开箱即用,chrome-devtools / burp 对接外部 MCP 服务实现浏览器自动化和 HTTP 抓包重放
  • 增强 fetch 请求工具 — 默认直接 GET 并返回完整响应 body,支持 HTTP/HTTPS、自定义 method/headers/params/cookies/body/data/form/json、timeout/redirect/TLS 控制;CTF/靶场 HTTPS 默认不校验证书
  • 原生流量证据存储 — 按运行内作用域过滤后以追加式 JSONL 索引 + 每请求原始报文落盘于 evidence/traffic/,内置 traffic_list / traffic_view / traffic_repeat / traffic_sitemap 工具直接读写
  • AI Agent 核心 — OpenAI 兼容协议 + Tool Calling + 自主渗透循环
  • 结构化推理 + 自适应反思 — 已知事实/约束/攻击链结构化沉淀;失败自动归类并按 L0-L4 渐进升级 payload 绕过策略
  • 漏洞检测插件体系 — 低耦合插件运行时 + 内置只读 Web 插件,结果自动汇入报告链路(vulnclaw plugins)
  • 50 个专项 Skill — 覆盖 CTF、Web、内网、逆向、漏洞验证与授权红队知识库;Skill 只作为参考资料索引暴露给模型,正文需要模型主动调用 load_skill_reference 按需读取,不再作为强制剧本注入上下文
  • 编解码/加解密工具 — 29 种操作(Base64/Hex/URL/AES/JWT/Morse 等),LLM 可精确调用,不再靠猜测
  • 源码自动还原 — fetch / http_probe_batch 遇到 highlight_file、HTML 高亮源码或混杂 HTML/JS body 时会自动在 raw body 前追加 clean source;http_probe_batch 默认关闭 TLS 校验并记录完整响应头,避免丢失 X-Powered-By 等运行时证据;内置 source_extract 仍可用于按需重读历史 evidence,并固定危险 sink、表单与 endpoint 信号
  • 本地命令验证 — 内置 shell_command,用于 php -r 反序列化验证、curl 精确请求、rg/Select-String 文件检索等 Codex-style 本地调试场景;raw stdout/stderr 完整写入 evidence,大输出进入模型时使用高信号预览
  • 运行时差分探测 — 内置 runtime_diff_probe,用于正则/字符串过滤器与运行时解析器不一致的场景,帮助模型批量生成并验证“过滤器漏过、解析器接受”的候选;PHP 序列化模式会提示目标/本地运行时版本差异,并把 PHP5 signed length 候选标记为必须远程验证,避免被本地新版 PHP 误杀
  • Python 代码执行 — 内置 python_execute 工具,适合 payload 构造和响应解析;当前仍属高风险实验能力,不应视为强隔离沙箱
  • 批量 HTTP 探测 — 内置 http_probe_batch,用于一次比较多组 URL/参数/header/body/raw URL 变体,默认返回每个响应的完整 body,并在模型可见输出中展示实际请求面(method、URL、params、headers、cookies、body/json),减少重复 LLM 轮次和手写请求代码
  • 近成功防误停 — solve 保留证据闸门,并新增通用 NO_PATH 闸门:当源码 sink、表单/参数、请求面、本地 proof 或响应差异等高信号尚未耗尽时,不接受模型因单次 payload 无回显/远端 same-body 就提前判死
  • 持续性渗透测试 — 周期循环(默认 100 轮/周期 × 10 周期 = 1000 轮),每周期自动生成报告
  • 推理过程显示控制 — think on/off 一键切换 LLM 思考过程的显示/隐藏
  • 沙盒模式提示词 — 解锁 AI 安全测试能力,CTF / 授权渗透场景专用
  • 自动报告 & PoC — 生成结构化 Markdown 报告和可运行的 Python PoC 脚本
  • Web UI 模式 — vulnclaw web 启动本地 Web 界面,默认 127.0.0.1:7788
  • 安全知识库 — 已内置知识库模块与基础种子数据,检索增强正在逐步接入主流程

快速开始

安装

# 从 PyPI 安装(推荐)
pip install vulnclaw

# 从源码安装
git clone https://github.com/Netw0rkNoob/VulnClaw.git
cd VulnClaw
pip install -e .

Docker 运行(可选)

镜像已内置 Web UI 以及默认 MCP 服务所需的运行时(npx / uvx),所有状态持久化到 /data 数据卷。

cp .env.example .env          # 填入 VULNCLAW_LLM_API_KEY 等
docker compose up --build      # 构建镜像并启动 Web UI
# 打开 http://127.0.0.1:7788

也可用纯 docker 运行某条 CLI 命令:

docker run --rm -it \
  -e VULNCLAW_LLM_API_KEY=sk-your-key-here \
  -v vulnclaw-data:/data \
  vulnclaw:latest scan <target>

⚠️ 容器内的 localhost 指向容器自身。扫描宿主机服务请使用 host.docker.internal,扫描其它容器请共享网络并用容器名访问。详见 DOCKER.md。

四步启动

# 1. 选择提供商(自动填充 Base URL 和模型名)
vulnclaw config provider minimax   (或 openai/anthropic/deepseek/zhipu/moonshot/qwen/siliconflow/ollama)

# 1.2(可选)自定义 Base URL 或模型名
vulnclaw config set llm.base_url https://your-own-api.example.com/v1 
vulnclaw config set llm.model your-model-name

# 2. 设置 API Key
vulnclaw config set llm.api_key sk-your-key-here
#    — 或改用 ChatGPT 订阅登录(无需 API Key):
#      vulnclaw login   (浏览器登录;注意 ToS 风险)

# 3. 默认:打开原 CLI / REPL
vulnclaw

# 4. 可选:打开 TUI 工作台
vulnclaw tui

环境检查

vulnclaw doctor

输出示例:

🦞 VulnClaw 环境检查

  Python: 3.14.4
  Node.js: v24.14.1
  npx: 已安装
  nmap: 已安装

LLM 配置:
  Provider: openai
  Auth Mode: static
  Credentials: configured
  Base URL: https://api.openai.com/v1
  Model: gpt-4o

MCP 服务:
  fetch: 已启用 [P0]
  memory: 已启用 [P0]
  ...

✅ 环境就绪,运行 vulnclaw 开始

CLI 命令速查

$ vulnclaw --help

🦞 VulnClaw — AI-powered penetration testing CLI

 Usage: vulnclaw [OPTIONS] COMMAND [ARGS]...

 Commands:
   run           🚀 一键全流程渗透测试(默认使用 solve 引擎)
   solve         🧩 目标驱动求解(模型主导,无固定轮数)
   persistent    🔄 持续性渗透测试(100轮/周期)
   recon         🔍 仅信息收集阶段
   scan          🔎 执行漏洞扫描阶段
   exploit       💥 执行漏洞利用阶段
   report        📝 从会话记录生成报告
   repl          💬 启动经典 REPL 交互界面
   config        ⚙️  管理配置(set/get/list/provider)
   plugins       🧩 管理漏洞检测插件(list/info/run)
   init          🔧 初始化配置
   doctor        🏥  检查运行环境
   tui           🖥️  打开终端图形化工作台
   web           🌐 启动本地 Web UI
   code          🧬 本地源码安全扫描(无需网络目标)
命令说明示例
vulnclaw默认打开原 CLI / REPLvulnclaw
vulnclaw tui终端图形化工作台vulnclaw tui --target target.com
vulnclaw repl启动经典 REPL 交互界面vulnclaw repl
vulnclaw solve <target>目标驱动求解(无固定轮数,拿到目标即停)vulnclaw solve target.com --goal "拿到flag"
vulnclaw run <target>一键全流程渗透(默认走 solve 引擎)vulnclaw run 192.168.1.1
vulnclaw persistent <target>持续性渗透(100轮/周期)vulnclaw persistent 192.168.1.1
vulnclaw recon <target>仅信息收集(不利用漏洞)vulnclaw recon target.com
vulnclaw scan <target>漏洞扫描阶段vulnclaw scan target.com --ports 80,443
vulnclaw exploit <target>漏洞利用阶段vulnclaw exploit target.com --cve CVE-2024-1234
vulnclaw report <session>从会话 JSON 生成报告vulnclaw report session_xxx.json
vulnclaw config set <key> <value>设置配置项vulnclaw config set llm.api_key sk-xxx
`vulnclaw config

// HOW IT'S BUILT

// FILES

9 files shipped with this skill. Inline text is the catalog copy. The upstream link is the source repository.

  • vulnclaw/skills/specialized/ai-mcp-security/SKILL.md2.4 KB964aaa03a01cupstream ↗
    ---
    name: ai-mcp-security
    description: AI与MCP安全评估 — Prompt注入、工具滥用、MCP信任边界、Agent权限逃逸、数据泄露、模型风险、GAARM风险矩阵
    routing:
      target_types: [ai_agent, mcp]
      task_types: [pentest, audit]
      technologies: [llm, rag, memory, plugin]
      vulnerability_classes: [prompt_injection, tool_abuse, info_disclosure]
    ---
    
    # AI 与 MCP 安全评估 Skill
    
    当目标包含 LLM、Agent、MCP 工具、Skills、RAG、Memory、Plugin 或模型服务组件时使用本 Skill。
    
    **前置条件**:如果 AI 表面只是展示层,真正的阻塞仍是客户端签名或加密协议,先回到 `client-reverse` Skill。
    
    ## 场景路由
    
    | 风险类型 | 首选参考 |
    |---------|---------|
    | Prompt 注入 / 间接注入 / CoT 干扰 | `references/ai-app-security.md` |
    | 工具滥用 / MCP 投毒 / Skills 供应链 | `references/04-ai-and-mcp-security-integrated.md` MCP 章节 |
    | 权限逃逸 / 角色越界 / 凭据滥用 | `references/ai-identity-security.md` |
    | 数据泄露 / Prompt 泄漏 / 模型逆推 | `references/ai-data-security.md` |
    | 容器逃逸 / CI-CD / 沙箱失败 | `references/ai-baseline-security.md` |
    | 模型风险 / 对抗样本 / 后门 | `references/ai-model-security.md` |
    | 影响分类与覆盖评估 | `references/gaarm-risk-matrix.md` |
    
    ## 测试流程
    
    ### 1. 应用层攻击
    - 直接 Prompt 注入
    - 间接注入(通过外部数据源)
    - CoT 干扰与指令覆盖
    - Agent 滥用(未授权操作)
    - 代码执行突破
    - Memory 投毒
    
    ### 2. MCP 与 Agent 风险
    - 工具描述投毒
    - 指令覆盖
    - 隐藏指令注入
    - 未授权资源访问
    - Skills/Rules 供应链问题
    
    ### 3. 身份与授权
    - 动作滥用
    - 角色逃逸
    - 权限漂移
    - 云凭据滥用
    
    ### 4. 数据与隐私
    - Prompt 泄漏
    - 敏感数据暴露
    - 训练数据问题
    - 模型逆推
    - API 数据窃取
    
    ### 5. 基线与部署
    - CI/CD 缺陷
    - 容器逃逸
    - 向量数据库安全
    - 沙箱失效
    - 环境隔离缺陷
    - 模型服务缺陷
    
    ## 参考文档
    
    - `references/04-ai-and-mcp-security-integrated.md` — AI 与 MCP 安全整合参考
    - `references/ai-app-security.md` — AI 应用安全
    - `references/ai-identity-security.md` — AI 身份安全
    - `references/ai-data-security.md` — AI 数据安全
    - `references/ai-baseline-security.md` — AI 基线安全
    - `references/ai-model-security.md` — AI 模型安全
    - `references/gaarm-risk-matrix.md` — GAARM 风险矩阵
    
  • vulnclaw/skills/specialized/ai-mcp-security/references/04-ai-and-mcp-security-integrated.md336 KB8f2b52d9a3eaupstream ↗

    Contents are not inlined in the catalog. Open the upstream file.

  • vulnclaw/skills/specialized/ai-mcp-security/references/ai-app-security.md71 KBec5cd38e94bdupstream ↗

    Contents are not inlined in the catalog. Open the upstream file.

  • vulnclaw/skills/specialized/ai-mcp-security/references/ai-baseline-security.md41 KB04330c8806c8upstream ↗

    Contents are not inlined in the catalog. Open the upstream file.

  • vulnclaw/skills/specialized/ai-mcp-security/references/ai-data-security.md62 KBd37aff9fb1b7upstream ↗

    Contents are not inlined in the catalog. Open the upstream file.

  • vulnclaw/skills/specialized/ai-mcp-security/references/ai-identity-security.md45 KBa47e0bfdd5b1upstream ↗

    Contents are not inlined in the catalog. Open the upstream file.

  • vulnclaw/skills/specialized/ai-mcp-security/references/ai-model-security.md96 KB14ea176bcc0fupstream ↗

    Contents are not inlined in the catalog. Open the upstream file.

  • vulnclaw/skills/specialized/ai-mcp-security/references/gaarm-risk-matrix.md14 KBe1f16668684bupstream ↗
    # GAARM 风险索引矩阵
    
    > 来源: AISS绿盟大模型安全智链社区
    
    | 风险编号 | 安全域 | 阶段 | 风险名称 | Reference文件 |
    |----------|--------|------|----------|---------------|
    | GAARM.0042 | AI应用安全 | 应用阶段 | CoT注入攻击 | ai-app-security.md |
    | GAARM.0046.001 | AI应用安全 | 应用阶段 | MCP地毯式骗局 | ai-app-security.md |
    | GAARM.0046 | AI应用安全 | 应用阶段 | MCP工具投毒攻击 | ai-app-security.md |
    | GAARM.0046.002 | AI应用安全 | 应用阶段 | MCP指令覆盖攻击 | ai-app-security.md |
    | GAARM.0046.003 | AI应用安全 | 应用阶段 | MCP隐藏指令攻击 | ai-app-security.md |
    | GAARM.0039 | AI应用安全 | 应用阶段 | Prompt注入 | ai-app-security.md |
    | GAARM.0041.001 | AI应用安全 | 应用阶段 | SSRF环境模拟探测 | ai-app-security.md |
    | GAARM.0040.001 | AI应用安全 | 应用阶段 | XSS会话内容劫持 | ai-app-security.md |
    | GAARM.0041.002 | AI应用安全 | 应用阶段 | 代码执行注入 | ai-app-security.md |
    | GAARM.0043 | AI应用安全 | 应用阶段 | 关键字混淆 | ai-app-security.md |
    | GAARM.0045 | AI应用安全 | 应用阶段 | 反向诱导&抑制攻击 | ai-app-security.md |
    | GAARM.0043.001 | AI应用安全 | 应用阶段 | 同义词替换攻击 | ai-app-security.md |
    | GAARM.0061 | AI应用安全 | 应用阶段 | 多模态协同注入攻击 | ai-app-security.md |
    | GAARM.0044 | AI应用安全 | 应用阶段 | 对抗编码攻击 | ai-app-security.md |
    | GAARM.0040.003 | AI应用安全 | 应用阶段 | 应用对话Memory攻击 | ai-app-security.md |
    | GAARM.0041 | AI应用安全 | 应用阶段 | 应用智能体Agent利用 | ai-app-security.md |
    | GAARM.0042.001 | AI应用安全 | 应用阶段 | 思维链干扰注入 | ai-app-security.md |
    | GAARM.0042.002 | AI应用安全 | 应用阶段 | 思维链操纵注入 | ai-app-security.md |
    | GAARM.0056.001 | AI应用安全 | 应用阶段 | 查询注入攻击 | ai-app-security.md |
    | GAARM.0047 | AI应用安全 | 应用阶段 | 环境注入攻击 | ai-app-security.md |
    | GAARM.0040.002 | AI应用安全 | 应用阶段 | 环路Agent蠕虫 | ai-app-security.md |
    | GAARM.0040 | AI应用安全 | 应用阶段 | 间接Prompt注入 | ai-app-security.md |
    | GAARM.0060 | AI应用安全 | 应用阶段 | 预期外代码执行 | ai-app-security.md |
    | GAARM.0049 | AI应用安全 | 部署阶段 | LLMs应用API管理不当 | ai-app-security.md |
    | GAARM.0038 | AI应用安全 | 部署阶段 | LLMs应用源代码投毒 | ai-app-security.md |
    | GAARM.0037 | AI应用安全 | 部署阶段 | LLMs应用源代码窃取 | ai-app-security.md |
    | GAARM.0035.003 | AI应用安全 | 训练阶段 | LLMs应用不安全输出处理 | ai-app-security.md |
    | GAARM.0035.002 | AI应用安全 | 训练阶段 | LLMs应用传统漏洞风险 | ai-app-security.md |
    | GAARM.0035.001 | AI应用安全 | 训练阶段 | LLMs插件:不安全输入处理 | ai-app-security.md |
    | GAARM.0036 | AI应用安全 | 训练阶段 | LLMs插件:业务过度代理 | ai-app-security.md |
    | GAARM.0034.002 | AI应用安全 | 训练阶段 | RAG开发框架漏洞 | ai-app-security.md |
    | GAARM.0035 | AI应用安全 | 训练阶段 | 不安全的代码实践 | ai-app-security.md |
    | GAARM.0034.001 | AI应用安全 | 训练阶段 | 数据处理组件漏洞 | ai-app-security.md |
    | GAARM.0034 | AI应用安全 | 训练阶段 | 第三方组件漏洞 | ai-app-security.md |
    | GAARM.0027.001 | AI模型安全 | 应用阶段 | DAN(Do Anything Now) | ai-model-security.md |
    | GAARM.0027.002 | AI模型安全 | 应用阶段 | Many-shot越狱 | ai-model-security.md |
    | GAARM.0028.001 | AI模型安全 | 应用阶段 | 事实性幻觉 | ai-model-security.md |
    | GAARM.0032.003 | AI模型安全 | 应用阶段 | 代理预训练模型创建 | ai-model-security.md |
    | GAARM.0027.003 | AI模型安全 | 应用阶段 | 假定场景越狱 | ai-model-security.md |
    | GAARM.0027.004 | AI模型安全 | 应用阶段 | 假定角色越狱 | ai-model-security.md |
    | GAARM.0030 | AI模型安全 | 应用阶段 | 商业违法输出 | ai-model-security.md |
    | GAARM.0031.003 | AI模型安全 | 应用阶段 | 图片信息伪造 | ai-model-security.md |
    | GAARM.0062 | AI模型安全 | 应用阶段 | 多模态内容合规安全风险 | ai-model-security.md |
    | GAARM.0027.005 | AI模型安全 | 应用阶段 | 对抗性后缀攻击 | ai-model-security.md |
    | GAARM.0032.004 | AI模型安全 | 应用阶段 | 对抗样本攻击 | ai-model-security.md |
    | GAARM.0029.003 | AI模型安全 | 应用阶段 | 带有偏见、仇恨、歧视或侮辱问题 | ai-model-security.md |
    | GAARM.0028.002 | AI模型安全 | 应用阶段 | 攻击案例 | ai-model-security.md |
    | GAARM.0029.004 | AI模型安全 | 应用阶段 | 恐怖主义&&带有暴力倾向 | ai-model-security.md |
    | GAARM.0031.001 | AI模型安全 | 应用阶段 | 恶意代码生成 | ai-model-security.md |
    | GAARM.0063 | AI模型安全 | 应用阶段 | 意图破坏&目标操纵 | ai-model-security.md |
    | GAARM.0029.005 | AI模型安全 | 应用阶段 | 政治&&军事敏感问题 | ai-model-security.md |
    | GAARM.0029.006 | AI模型安全 | 应用阶段 | 攻击概述 | ai-model-security.md |
    | GAARM.0033 | AI模型安全 | 应用阶段 | 数据漂移 | ai-model-security.md |
    | GAARM.0027.006 | AI模型安全 | 应用阶段 | 概念激活攻击 | ai-model-security.md |
    | GAARM.0031 | AI模型安全 | 应用阶段 | 模型功能滥用 | ai-model-security.md |
    | GAARM.0028 | AI模型安全 | 应用阶段 | 模型幻觉风险 | ai-model-security.md |
    | - | AI模型安全 | 应用阶段 | 模型提取与盗窃 | ai-model-security.md |
    | GAARM.0027 | AI模型安全 | 应用阶段 | 模型越狱攻击 | ai-model-security.md |
    | GAARM.0030.001 | AI模型安全 | 应用阶段 | 知识产权版权侵犯 | ai-model-security.md |
    | GAARM.0029.001 | AI模型安全 | 应用阶段 | 虚假信息生成 | ai-model-security.md |
    | GAARM.0031.005 | AI模型安全 | 应用阶段 | 视频信息伪造 | ai-model-security.md |
    | GAARM.0029.002 | AI模型安全 | 应用阶段 | 诱导&&不当言论 | ai-model-security.md |
    | GAARM.0064 | AI模型安全 | 应用阶段 | 跨模态幻觉 | ai-model-security.md |
    | GAARM.0031.002 | AI模型安全 | 应用阶段 | 钓鱼邮件生成 | ai-model-security.md |
    | GAARM.0029 | AI模型安全 | 应用阶段 | 非合规内容输出 | ai-model-security.md |
    | GAARM.0031.004 | AI模型安全 | 应用阶段 | 音频信息伪造 | ai-model-security.md |
    | GAARM.0032 | AI模型安全 | 应用阶段 | 预训练模型信息窃取与攻击 | ai-model-security.md |
    | GAARM.0032.001 | AI模型安全 | 应用阶段 | 预训练模型家族探测 | ai-model-security.md |
    | GAARM.0032.002 | AI模型安全 | 应用阶段 | 预训练模型本体探测 | ai-model-security.md |
    | GAARM.0026 | AI模型安全 | 部署阶段 | 模型参数篡改 | ai-model-security.md |
    | GAARM.0025 | AI模型安全 | 部署阶段 | 模型文件窃取 | ai-model-security.md |
    | GAARM.0023 | AI模型安全 | 训练阶段 | 模型后门 | ai-model-security.md |
    | GAARM.0033 | AI模型安全 | 训练阶段 | 模型安全对齐不足 | ai-model-security.md |
    | GAARM.0023.001 | AI模型安全 | 训练阶段 | 模型序列化后门 | ai-model-security.md |
    | GAARM.0024 | AI模型安全 | 训练阶段 | 预训练模型不安全依赖 | ai-model-security.md |
    | GAARM.0023.002 | AI模型安全 | 训练阶段 | 预训练模型投毒 | ai-model-security.md |
    | GAARM.0022 | AI数据安全 | 应用阶段 | API信息泄露 | ai-data-security.md |
    | GAARM.0019.001 | AI数据安全 | 应用阶段 | 个人隐私数据窃取 | ai-data-security.md |
    | GAARM.0019.002 | AI数据安全 | 应用阶段 | 企业机密数据窃取 | ai-data-security.md |
    | GAARM.0017.001 | AI数据安全 | 应用阶段 | 假定场景泄露 | ai-data-security.md |
    | GAARM.0017.002 | AI数据安全 | 应用阶段 | 假定角色泄露 | ai-data-security.md |
    | GAARM.0017 | AI数据安全 | 应用阶段 | 元Prompt泄露 | ai-data-security.md |
    | GAARM.0017.003 | AI数据安全 | 应用阶段 | 关键字前后定位泄露 | ai-data-security.md |
    | GAARM.0030 | AI数据安全 | 应用阶段 | 外部数据源信息泄露 | ai-data-security.md |
    | GAARM.0029 | AI数据安全 | 应用阶段 | 成员推断攻击 | ai-data-security.md |
    | GAARM.0028 | AI数据安全 | 应用阶段 | 数据操纵 | ai-data-security.md |
    | GAARM.0018 | AI数据安全 | 应用阶段 | 模型反演攻击 | ai-data-security.md |
    | GAARM.0020 | AI数据安全 | 应用阶段 | 模型推理API数据窃取 | ai-data-security.md |
    | GAARM.0065 | AI数据安全 | 应用阶段 | 级联幻觉攻击 | ai-data-security.md |
    | GAARM.0018.001 | AI数据安全 | 应用阶段 | 触发模型异常 | ai-data-security.md |
    | GAARM.0018.002 | AI数据安全 | 应用阶段 | 训练数据推导 | ai-data-security.md |
    | GAARM.0019 | AI数据安全 | 应用阶段 | 隐私数据窃取 | ai-data-security.md |
    | GAARM.0012 | AI数据安全 | 部署阶段 | 备份数据窃取 | ai-data-security.md |
    | GAARM.0013 | AI数据安全 | 部署阶段 | 数据传输劫持 | ai-data-security.md |
    | GAARM.0014 | AI数据安全 | 部署阶段 | 数据存储服务攻击 | ai-data-security.md |
    | GAARM.0015 | AI数据安全 | 部署阶段 | 日志和审计记录窃取 | ai-data-security.md |
    | GAARM.0016 | AI数据安全 | 部署阶段 | 缓存数据&索引信息窃取 | ai-data-security.md |
    | GAARM.0010 | AI数据安全 | 训练阶段 | 不正确&恶意外部数据源 | ai-data-security.md |
    | GAARM.0009.001 | AI数据安全 | 训练阶段 | 个人隐私数据保护缺陷 | ai-data-security.md |
    | GAARM.0009.002 | AI数据安全 | 训练阶段 | 企业敏感数据保护缺陷 | ai-data-security.md |
    | GAARM.0009 | AI数据安全 | 训练阶段 | 内部数据保护缺陷 | ai-data-security.md |
    | GAARM.0011.001 | AI数据安全 | 训练阶段 | 对话语料投毒 | ai-data-security.md |
    | GAARM.0018.003 | AI数据安全 | 训练阶段 | 数据匿名化处理不当 | ai-data-security.md |
    | GAARM.0009.003 | AI数据安全 | 训练阶段 | 机密敏感数据保护缺陷 | ai-data-security.md |
    | GAARM.0011 | AI数据安全 | 训练阶段 | 训练数据投毒 | ai-data-security.md |
    | GAARM.0020 | AI数据安全 | 训练阶段 | 训练数据泄露 | ai-data-security.md |
    | GAARM.0011.002 | AI数据安全 | 训练阶段 | 训练数据篡改 | ai-data-security.md |
    | GAARM.0010.001 | AI数据安全 | 训练阶段 | 预训练模型数据偏见 | ai-data-security.md |
    | GAARM.0058 | AI身份安全 | 应用阶段 | Action模块权限失控 | ai-identity-security.md |
    | GAARM.0057 | AI身份安全 | 应用阶段 | MCP未授权获取系统资源 | ai-identity-security.md |
    | GAARM.0052.004 | AI身份安全 | 应用阶段 | Prompt目标劫持 | ai-identity-security.md |
    | GAARM.0052.001 | AI身份安全 | 应用阶段 | 假定场景逃逸 | ai-identity-security.md |
    | GAARM.0052.002 | AI身份安全 | 应用阶段 | 假定角色逃逸 | ai-identity-security.md |
    | GAARM.0053.002 | AI身份安全 | 应用阶段 | 利用云凭证非法访问云端模型 | ai-identity-security.md |
    | GAARM.0073 | AI身份安全 | 应用阶段 | 外部数据源欺骗 | ai-identity-security.md |
    | GAARM.0059 | AI身份安全 | 应用阶段 | 多Agent访问身份伪造 | ai-identity-security.md |
    | GAARM.0055 | AI身份安全 | 应用阶段 | 应用会话劫持 | ai-identity-security.md |
    | GAARM.0053.001 | AI身份安全 | 应用阶段 | 未授权访问模型 | ai-identity-security.md |
    | GAARM.0053 | AI身份安全 | 应用阶段 | 权限管控不当 | ai-identity-security.md |
    | GAARM.0054 | AI身份安全 | 应用阶段 | 模拟对话攻击 | ai-identity-security.md |
    | GAARM.0052 | AI身份安全 | 应用阶段 | 角色逃逸 | ai-identity-security.md |
    | GAARM.0056 | AI身份安全 | 应用阶段 | 账户劫持风险 | ai-identity-security.md |
    | GAARM.0053.003 | AI身份安全 | 应用阶段 | 账户越权访问 | ai-identity-security.md |
    | GAARM.0052.003 | AI身份安全 | 应用阶段 | 遗忘法角色逃逸 | ai-identity-security.md |
    | GAARM.0049.001 | AI身份安全 | 部署阶段 | 公开服务API密钥利用 | ai-identity-security.md |
    | GAARM.0050 | AI身份安全 | 部署阶段 | 向量数据库未授权访问 | ai-identity-security.md |
    | GAARM.0051 | AI身份安全 | 部署阶段 | 未授权访模型部署环境 | ai-identity-security.md |
    | GAARM.0049 | AI身份安全 | 部署阶段 | 滥用部署环境凭据 | ai-identity-security.md |
    | GAARM.0048 | AI身份安全 | 训练阶段 | LLMs插件:权限管控设计缺陷 | ai-identity-security.md |
    | GAARM.0046 | AI身份安全 | 训练阶段 | 训练环境缺少认证授权 | ai-identity-security.md |
    | GAARM.0047 | AI身份安全 | 训练阶段 | 训练环境过度权限分配 | ai-identity-security.md |
    | GAARM.0008 | AI基座安全 | 应用阶段 | LLMs拒绝服务&资源耗尽 | ai-baseline-security.md |
    | GAARM.0007.001 | AI基座安全 | 应用阶段 | 代码解析器执行逃逸 | ai-baseline-security.md |
    | - | AI基座安全 | 应用阶段 | 容器运行时风险 | ai-baseline-security.md |
    | GAARM.0006 | AI基座安全 | 应用阶段 | 容器集群环境探测 | ai-baseline-security.md |
    | GAARM.0007 | AI基座安全 | 应用阶段 | 容器集群环境攻击 | ai-baseline-security.md |
    | GAARM.0004 | AI基座安全 | 部署阶段 | CI&CD流程攻击 | ai-baseline-security.md |
    | GAARM.0003.001 | AI基座安全 | 部署阶段 | 云平台多租户隔离失效 | ai-baseline-security.md |
    | GAARM.005 | AI基座安全 | 部署阶段 | 云平台安全漏洞 | ai-baseline-security.md |
    | GAARM.0003 | AI基座安全 | 部署阶段 | 利用不安全系统配置 | ai-baseline-security.md |
    | GAARM.0005 | AI基座安全 | 部署阶段 | 向量数据库漏洞 | ai-baseline-security.md |
    | GAARM.0005 | AI基座安全 | 部署阶段 | 容器&&集群系统漏洞 | ai-baseline-security.md |
    | GAARM.0004.001 | AI基座安全 | 部署阶段 | 模型部署服务漏洞 | ai-baseline-security.md |
    | GAARM.0004.002 | AI基座安全 | 部署阶段 | 模型镜像污染 | ai-baseline-security.md |
    | GAARM.0003.001 | AI基座安全 | 部署阶段 | 环境隔离缺陷 | ai-baseline-security.md |
    | GAARM.0005 | AI基座安全 | 部署阶段 | 部署环境组件供应链漏洞 | ai-baseline-security.md |
    | GAARM.0001.001 | AI基座安全 | 训练阶段 | 模型开发工具漏洞 | ai-baseline-security.md |
    | GAARM.0001.002 | AI基座安全 | 训练阶段 | 训练数据管理系统漏洞 | ai-baseline-security.md |
    | GAARM.0001 | AI基座安全 | 训练阶段 | 训练环境安全风险 | ai-baseline-security.md |
    | GAARM.0002 | AI基座安全 | 训练阶段 | 训练环境隔离缺陷 | ai-baseline-security.md |
    
    共计 150 个风险条目
    
  • README.mdupstream ↗

    Contents are not inlined in the catalog. Open the upstream file.

Plain-text copy, no login: /skill-bundles/netw0rknoob-vulnclaw-vulnclaw-skills-specialized-ai-mcp-security.md

// REPO STATS

3.9k stars
8 open issues
Last commit: 1mo ago