deepteam 的安装和配置教程
2025-05-28 15:05:39作者:卓艾滢Kingsley
项目基础介绍
deepteam 是一个简单易用的开源大型语言模型(LLM)安全测试框架,用于对语言模型系统进行安全性测试。该框架集成了最新的研究成果,能够模拟使用先进技术(如绕过限制和输入注入)的敌手攻击,帮助识别可能未知的问题,如偏见和隐私信息泄露。
deepteam 在本地机器上运行,同时使用LLM进行模拟和评估。无论你的LLM系统是RAG管道、聊天机器人、AI代理还是语言模型本身,deepteam都能帮助你在用户发现之前发现安全风险和潜在问题。
主要编程语言
该项目主要使用 Python 编程语言。
项目使用的关键技术和框架
deepteam 使用了以下关键技术:
- 绕过限制技术:模拟攻击者尝试绕过模型的安全限制。
- 输入注入:将非预期内容注入到模型的输入中,试图改变其响应。
- 安全评估:使用deepteam内置的评估框架对模型进行安全性评估。
此外,deepteam 框架支持集成OWASP Top 10 for LLMs 和 NIST AI RMF等标准指南。
准备工作
在开始安装deepteam之前,请确保以下准备工作已经完成:
- 安装了 Python 环境(建议使用 Python 3.6 或更高版本)。
- 安装了 pip 包管理工具。
- 确保你的系统可以连接到互联网,以安装所需的依赖包。
安装步骤
以下为deepteam的详细安装步骤:
-
克隆deepteam仓库到本地环境:
git clone https://github.com/confident-ai/deepteam.git cd deepteam -
安装项目依赖:
pip install -r requirements.txt -
设置环境变量
OPENAI_API_KEY,deepteam在生成非预期输入和评估LLM输出时需要使用这个密钥。如果你打算使用自己的LLM模型,请按照文档说明进行配置。 -
创建一个测试文件
red_team_llm.py并定义一个模型回调函数model_callback:# red_team_llm.py async def model_callback(input: str) -> str: # 在这里替换成你的LLM应用程序代码 return f"I'm sorry but I can't answer this: {input}" -
导入deepteam中的问题和测试模块,并运行红队测试:
from deepteam import red_team from deepteam.issues import Bias from deepteam.tests.single_turn import InputInjection # 使用你定义的model_callback bias = Bias(types=['race']) input_injection = InputInjection() risk_assessment = red_team(model_callback=model_callback, issues=[bias], tests=[input_injection]) # 运行测试 python red_team_llm.py
按照以上步骤操作,你就可以成功安装并配置deepteam项目,开始对LLM系统进行安全性测试了。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0453
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python05
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX028
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++02
项目优选
收起
暂无描述
Markdown
831
5.5 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
495
520
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++
978
2.31 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
806
1.16 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
792
1.59 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
484
314
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
777
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++
1.21 K
1.26 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
659
298