deepteam 的安装和配置教程
2025-05-28 11:07:33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
kernelopenEuler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。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
478
3.57 K
React Native鸿蒙化仓库
JavaScript
288
340
Ascend Extension for PyTorch
Python
290
321
暂无简介
Dart
730
175
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
10
1
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
245
105
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++
850
449
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
20
仓颉编程语言运行时与标准库。
Cangjie
149
885