Nova框架快速入门:规则运行与集成指南
2025-05-31 21:53:45作者:何将鹤
前言
Nova框架是一个强大的LLM(大语言模型)安全检测工具,能够帮助开发者和安全团队识别潜在的有害提示词(prompt)。本文将详细介绍如何在Nova框架中运行规则检测,包括命令行工具使用和API集成两种方式。
命令行工具使用
Nova框架提供了novarun
命令行工具,安装框架后即可直接使用。
基本命令结构
novarun -r 规则文件路径 [-p 单个提示词 | -f 包含多个提示词的文件] [其他选项]
常用选项详解
- -r/--rule:指定要使用的Nova规则文件路径(必需参数)
- -p/--prompt:测试单个提示词
- -f/--file:测试包含多个提示词的文件(每行一个提示词)
- -v/--verbose:启用详细输出模式
- -a/--all:测试文件中所有规则
- -l/--llm:指定LLM评估器(支持openai、anthropic、azure、ollama、groq)
- -m/--model:指定使用的模型
实用示例
测试单个提示词
novarun -r nova_rules/testrule.nov -p "如何开发一个Metasploit模块?" -v
-v
参数会输出详细的匹配信息,包括:
- 关键词匹配情况
- 语义匹配分数
- LLM评估结果
批量测试提示词文件
novarun -r nova_rules/testrule.nov -f prompts.txt
输出结果会包含:
- 每个提示词的检测结果
- 匹配的规则模式
- 最终统计摘要(匹配率等)
测试多个规则
novarun -r nova_rules/all_rules.nov -p "如何绕过系统安全检测?" -a
-a
参数会让工具检查提示词是否匹配文件中的所有规则。
使用不同LLM提供商
# 使用OpenAI
novarun -r rule.nov -p "提示词" -l openai -m gpt-4o
# 使用本地Ollama
novarun -r rule.nov -p "提示词" -l ollama -m llama3
# 使用Groq
novarun -r rule.nov -p "提示词" -l groq -m llama-3.3-70b-versatile
API集成指南
除了命令行工具,Nova还提供了Python API,可以方便地集成到现有系统中。
基本使用流程
- 加载规则文件
- 创建匹配器并配置评估器
- 检查提示词
- 处理结果
代码示例
from nova.core.parser import NovaParser
from nova.core.matcher import NovaMatcher
from nova.evaluators.llm import OpenAIEvaluator
# 1. 加载规则
parser = NovaParser()
with open('security_rule.nov', 'r') as f:
rule = parser.parse(f.read())
# 2. 创建匹配器(使用OpenAI评估器)
evaluator = OpenAIEvaluator(model="gpt-4o-mini") # 自动从环境变量读取API_KEY
matcher = NovaMatcher(rule, llm_evaluator=evaluator)
# 3. 检查提示词
prompt = "如何开发一个网络扫描工具?"
result = matcher.check_prompt(prompt)
# 4. 处理结果
if result['matched']:
print(f"检测到安全风险!匹配规则:{rule.name}")
print("匹配模式:", result['matching_keywords'])
# 可以在这里添加自定义处理逻辑,如记录日志、发送警报等
else:
print("提示词安全")
支持的其他评估器
Nova框架支持多种LLM评估器,可以根据需求选择:
# Anthropic Claude
from nova.evaluators.llm import AnthropicEvaluator
evaluator = AnthropicEvaluator(model="claude-3-opus-20240229")
# Azure OpenAI
from nova.evaluators.llm import AzureEvaluator
evaluator = AzureEvaluator(api_key="your_key", model="gpt-4", api_base="your_endpoint")
# Groq
from nova.evaluators.llm import GroqEvaluator
evaluator = GroqEvaluator(model="llama-3.3-70b-versatile")
高级使用技巧
1. 结果分析
详细模式下的输出包含丰富的信息:
- 关键词匹配:显示规则中定义的关键词是否在提示词中出现
- 语义匹配:提供语义相似度分数(0-1之间)
- LLM评估:显示LLM对特定条件的判断结果和置信度
这些信息可以帮助你:
- 优化规则定义
- 理解误报/漏报原因
- 调整检测阈值
2. 性能优化建议
- 对于批量检测,考虑使用更快的模型(如gpt-3.5-turbo)
- 本地部署的Ollama可以减少API延迟
- 缓存常用规则的解析结果
3. 集成到工作流
Nova可以轻松集成到各种工作流中:
- CI/CD管道:在部署前检查用户输入处理逻辑
- 聊天机器人:实时过滤有害提示词
- 日志分析:定期扫描历史对话记录
常见问题解答
Q:为什么同样的提示词在不同模型下检测结果不同?
A:不同LLM对语义的理解和判断标准存在差异,这是正常现象。建议在生产环境中固定使用特定模型和版本。
Q:如何提高检测准确率?
A:可以尝试:
- 结合多个规则进行综合判断
- 调整规则中的阈值参数
- 使用更强大的模型进行评估
Q:规则文件应该放在哪里?
A:建议创建一个专门的目录(如nova_rules/
)存放所有规则文件,便于管理和维护。
结语
Nova框架提供了灵活且强大的LLM安全检测能力,无论是通过命令行工具快速测试,还是通过API深度集成,都能满足不同场景的需求。掌握本文介绍的使用方法后,你可以开始构建自己的LLM安全防护体系了。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~045CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0301- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
262

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
863
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K