Garak 命令行使用指南核心参数速查与三套扫描配方【免费下载链接】garakthe LLM vulnerability scanner项目地址: https://gitcode.com/GitHub_Trending/ga/garakGarak 是 NVIDIA 开源的 LLM 漏洞扫描工具用python -m garak一条命令就能驱动整套 LLM 漏洞扫描命令选定被测模型、投放探针、汇总判定结果。本文按实际使用流程讲解 Garak 命令行从跑通第一条扫描命令到 Garak 扫描配置、并行加速与参数说明帮你把常用选项一次记牢。 一、先看懂扫描流程target、probes、detectors 三个角色动手敲命令前先分清三个概念后面所有 Garak 参数说明都是围绕它们转的target被测对象。由生成器接口generator加模型名共同确定例如openai类型的gpt-3.5-turboprobes探针一类类用来试探模型的测试用例比如 DAN 家族探针专门诱导越狱detectors检测器拿到模型输出后做判定的模块判断这次试探是否构成命中。一次扫描的流向是生成器把探针内容喂给模型检测器逐条核验回复Garak 汇总成报告。理解了这条链路命令行各参数归在哪一步就一目了然。 二、第一条扫描命令怎么写最小可运行命令python -m garak -t openai -n gpt-3.5-turbo --probes dan指定 OpenAI 的 gpt-3.5-turbo只投 DAN 探针这是能跑起来的最短 Garak 命令行写法。核心参数速查表以下只收录最常用的项完整 Garak 参数说明见 docs/ 目录参数短选项作用--target_type-t生成器接口如openai、huggingface--target_name-n目标模型名--probes-p探针名列表或all新版推荐用--spec替代--detectors-d检测器列表all表示全量--parallel_attempts—并行执行的探针数--parallel_requests—单个提示词并发的生成请求数--seed-s随机种子--config—整份运行的 YAML/JSON 配置️ 三、控制扫描范围怎么选探针和检测器不写--probes时默认投全部探针耗时很长建议先收窄python -m garak -t openai -n gpt-3.5-turbo --probes dan,sysprompt_extraction逗号分隔指定模块只跑这两个方向。python -m garak --spec probes.dan -d sysprompt_extraction.PromptExtraction新版用统一的--spec选择器可同时混写探针、标签、层级等条件--probes仍可用但会提示已弃用。检测器同理不写-d时按探针自带建议匹配写all则全量跑检测器也可指定到具体类名。⚡ 四、并行、种子与配置文件让扫描更快更稳--parallel_attempts同时跑多少个探针远程接口场景收益最大--parallel_requests控制单个提示词内并发生成多少请求。两者都受max_workers上限约束--seed或-s固定随机种子多次运行可复现--config整份扫描的 YAML 或 JSON 配置适合团队内共享同一套 Garak 扫描配置。给探针单独传参数有两种方式python -m garak -t openai -n gpt-3.5-turbo --probe_option_file options.json从 JSON 文件读取探针参数python -m garak --probe_options {temperature: 0.2}或在命令行直接内联一段 JSON。两种方式互斥配置较长时用文件更省事。 五、摸清家底列出与查看插件写命令前先确认本机装了哪些插件python -m garak --list_probes列出全部探针模块加-v输出带分层和描述的详情表。python -m garak --list_detectors列出检测器配合-d还能过滤实际会激活的那部分。python -m garak --plugin_info probes.lmrc.Profanity查看单个插件的详细信息格式固定为类型.模块.类名。 六、三套可直接抄的扫描配方快速体检先用少量探针确认目标模型活着且响应正常。python -m garak -t openai -n gpt-3.5-turbo --probes dan全量扫描发版评审等需要完整报告时探针全开并启用扩展检测器python -m garak -t openai -n gpt-4 --probes all --extended_detectors定点排查某方向反复命中时单探针单检测器隔离复现python -m garak -t openai -n gpt-4 --probes sysprompt_extraction -d sysprompt_extraction.PromptExtraction⚠️ 七、常见坑与效率技巧想复现结果就固定-s不固定种子时随机采样不同同一 LLM 漏洞扫描命令跑两次数字可能不一致对比实验务必固定并行度别硬拉满超上限会直接报错退出扫描慢且报未知插件错误时用--skip_unknown跳过依赖未装的插件继续跑交互式探查python -m garak -I进入交互模式人工手动试探针适合临时排查可疑行为报告再加工扫完生成的报告文件可交给python -m garak --report 报告文件输出 AVID 格式的明细。把上面这套 Garak 扫描配置和命令记熟后日常发版前的例行体检、上线前的全量漏洞扫描基本就是换配方、填参数的事不必每次重新翻文档。【免费下载链接】garakthe LLM vulnerability scanner项目地址: https://gitcode.com/GitHub_Trending/ga/garak创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考