Nova框架快速入门:规则运行与集成指南
2025-05-31 02:44:20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
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++036Hunyuan3D-Part
腾讯混元3D-Part00GitCode-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~0283Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp课程视频测验中的Tab键导航问题解析2 freeCodeCamp论坛排行榜项目中的错误日志规范要求3 freeCodeCamp音乐播放器项目中的函数调用问题解析4 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析5 freeCodeCamp全栈开发课程中React实验项目的分类修正6 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析7 freeCodeCamp课程页面空白问题的技术分析与解决方案8 freeCodeCamp博客页面工作坊中的断言方法优化建议9 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析10 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析
最新内容推荐
小米Mini R1C MT7620爱快固件下载指南:解锁企业级网络管理功能 STM32到GD32项目移植完全指南:从兼容性到实战技巧 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OpenSSL 3.3.0资源下载指南:新一代加密库的全面解析与部署教程 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
160
2.03 K

deepin linux kernel
C
22
6

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
533
60

React Native鸿蒙化仓库
C++
198
279

Ascend Extension for PyTorch
Python
46
78

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🎉 (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
947
556

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
381
17

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
996
396