أو قم بالبناء من المصدر:```bash
git clone https://github.com/praetorian-inc/augustus.git
cd augustus
make build

### مثال على المخرجات```
+--------------+-------------+--------+-------+--------+
| PROBE        | DETECTOR    | PASSED | SCORE | STATUS |
+--------------+-------------+--------+-------+--------+
| dan.Dan_11_0 | dan.DAN     | false  | 0.85  | VULN   |
| dan.STAN     | dan.STAN    | true   | 0.10  | SAFE   |
| dan.AntiDAN  | dan.AntiDAN | true   | 0.05  | SAFE   |
+--------------+-------------+--------+-------+--------+

## المزودون المدعومون

يتضمن Augustus 28 فئة من مزودي LLM مع 43 متغيرًا من المولدات:

| المزود           | اسم (أسماء) المولد         | ملاحظات                          |
|--------------------|---------------------------|--------------------------------|
| OpenAI             | `openai.OpenAI`, `openai.OpenAIReasoning` | نماذج GPT-3.5 وGPT-4 وGPT-4 Turbo وo1/o3 للتفكير |
| Anthropic          | `anthropic.Anthropic`     | Claude 3/3.5/4 (Opus, Sonnet, Haiku) |
| Azure OpenAI       | `azure.AzureOpenAI`       | نماذج OpenAI المستضافة على Azure     |
| AWS Bedrock        | `bedrock.Bedrock`         | نماذج Claude وLlama وTitan    |
| Google Vertex AI   | `vertex.Vertex`           | نماذج PaLM وGemini            |
| Cohere             | `cohere.Cohere`           | نماذج Command وCommand R      |
| Replicate          | `replicate.Replicate`     | نماذج مفتوحة المصدر مستضافة على السحابة       |
| HuggingFace        | `huggingface.InferenceAPI`, `huggingface.InferenceEndpoint`, `huggingface.Pipeline`, `huggingface.LLaVA` | API الاستنتاج لـ HF، نقاط النهاية، الأنابيب، متعدد الوسائط |
| Together AI        | `together.Together`       | استنتاج سريع لنماذج المصدر المفتوح  |
| Anyscale           | `anyscale.Anyscale`       | استضافة Llama وMistral      |
| Groq               | `groq.Groq`               | استنتاج LPU فائق السرعة       |
| Mistral            | `mistral.Mistral`         | نماذج API لـ Mistral             |
| Fireworks          | `fireworks.Fireworks`     | منصة استنتاج إنتاجية  |
| DeepInfra          | `deepinfra.DeepInfra`     | استنتاج GPU بدون خادم       |
| NVIDIA NIM         | `nim.NIM`, `nim.NVOpenAICompletion`, `nim.NVMultimodal`, `nim.Vision` | نقاط نهاية NVIDIA AI، متعدد الوسائط |
| NVIDIA NeMo        | `nemo.NeMo`               | إطار NVIDIA NeMo          |
| NVIDIA NVCF        | `nvcf.NvcfChat`, `nvcf.NvcfCompletion` | وظائف سحابية من NVIDIA   |
| NeMo Guardrails    | `guardrails.NeMoGuardrails` | حواجز NVIDIA NeMo       |
| IBM watsonx        | `watsonx.WatsonX`         | منصة IBM watsonx.ai        |
| LangChain          | `langchain.LangChain`     | غلاف LLM لـ LangChain          |
| LangChain Serve    | `langchain_serve.LangChainServe` | نقاط نهاية LangChain Serve |
| Rasa               | `rasa.RasaRest`           | الذكاء الاصطناعي التحادثي لـ Rasa         |
| GGML               | `ggml.Ggml`               | استنتاج النماذج المحلية لـ GGML     |
| Function           | `function.Single`, `function.Multiple` | مولدات دوال مخصصة |
| Ollama             | `ollama.Ollama`, `ollama.OllamaChat` | استضافة نماذج محلية    |
| LiteLLM            | `litellm.LiteLLM`         | وكيل API موحد              |
| REST API           | `rest.Rest`               | نقاط نهاية REST مخصصة (دعم SSE) |
| Test               | `test.Blank`, `test.Repeat`, `test.Lipsum`, `test.Nones`, `test.Single`, `test.BlankVision` | الاختبار والتطوير |

جميع المزودين متاحون في الملف الثنائي المُجمَّع. يمكن التكوين عبر متغيرات البيئة أو ملفات تكوين YAML. انظر [التكوين](#configuration) للحصول على تفاصيل الإعداد.

## الاستخدام

### مسبار فردي```bash
# Test for DAN jailbreak
augustus scan openai.OpenAI \
  --probe dan.Dan_11_0 \
  --detector dan.DAN \
  --config-file config.yaml \
  --verbose

### Buff Transformations

قم بتطبيق تحويلات المطالبة لاختبار تقنيات التهرب:```bash
# Apply base64 encoding buff to all probes
augustus scan openai.OpenAI \
  --all \
  --buff encoding.Base64 \
  --config '{"model":"gpt-4"}'

# Apply poetry transformation
augustus scan anthropic.Anthropic \
  --probes-glob "dan.*" \
  --buff poetry.MetaPrompt \
  --config '{"model":"claude-3-opus-20240229"}'

# Chain multiple buffs
augustus scan openai.OpenAI \
  --all \
  --buffs-glob "encoding.*,paraphrase.*" \
  --output buffed-results.jsonl

### نقاط النهاية REST المخصصة```bash
# Test proprietary LLM endpoint (OpenAI-compatible API)
augustus scan rest.Rest \
  --probe dan.Dan_11_0 \
  --detector dan.DAN \
  --config '{
    "uri": "https://api.example.com/v1/chat/completions",
    "method": "POST",
    "headers": {"Authorization": "Bearer YOUR_API_KEY"},
    "req_template_json_object": {
      "model": "custom-model",
      "messages": [{"role": "user", "content": "$INPUT"}]
    },
    "response_json": true,
    "response_json_field": "$.choices[0].message.content"
  }'

# Test with proxy interception (Burp Suite, mitmproxy)
augustus scan rest.Rest \
  --probes-glob "goodside.*" \
  --config '{
    "uri": "https://internal-llm.corp/generate",
    "proxy": "http://127.0.0.1:8080",
    "headers": {"X-API-Key": "$KEY"},
    "api_key": "your-key-here",
    "req_template": "{\"prompt\":\"$INPUT\",\"max_tokens\":500}",
    "response_json": true,
    "response_json_field": "output"
  }'

## كيفية العمل

يستخدم Augustus بنية خط أنابيب لاختبار LLMs ضد الهجمات العدائية:```mermaid
flowchart LR
    A[Probe Selection] --> B[Buff Transform]
    B --> C[Generator / LLM Call]
    C --> D[Detector Analysis]
    D --> E{Vulnerable?}
    E -->|Yes| F[Record Finding]
    E -->|No| G[Record Pass]

    subgraph Scanner
        B
        C
        D
        E
    end

#### GOAT (مُختبر العوامل الهجومية التوليدي)

يستخدم GOAT نهجًا هجوميًا تكيفيًا مع 7 تقنيات عدائية واستدلال سلسلة الهجوم (Chain-of-Attack-Thought) لتغيير الاستراتيجيات ديناميكيًا بناءً على ما ينجح أو يفشل.

- **الورقة البحثية**: [Pavlova et al., 2024](https://arxiv.org/abs/2410.01606)
- **المنهج**: يستهدف الهدف من الجولة الأولى باستخدام تأطير غير مباشر، ولا يذكر الهدف مباشرة للهدف
- **7 تقنيات** عبر 3 فئات:
  - *Output Manipulation*: Refusal Suppression, Response Priming
  - *Safe Response Distractors*: Dual Response, Topic Splitting, Opposite Intent
  - *Fictional Scenarios*: Persona Modification, Hypothetical
- **Chain-of-Attack-Thought**: في كل جولة، يقوم المهاجم بالاستدلال عبر Observation → Thought → Strategy → Response قبل صياغة رسالته
- **تكديس التقنيات**: يمكن دمج تقنيات متعددة في جولة واحدة لتعزيز التأثير
- **القوة**: يحقق معدلات نجاح عالية في عدد أقل من الجولات (عادة 3-5) عن طريق التبديل العدواني بين المناهج المختلفة جذريًا```bash
augustus scan rest.Rest \
  --probe goat.Goat \
  --config-file goat.yaml \
  --html report.html -v

#### المستخدم المشاكس

يحاكي المستخدم المشاكس شخصًا بريئًا وفضوليًا يختبر حدود الذكاء الاصطناعي بمهارة من خلال محادثة طبيعية. وعلى عكس الاستراتيجيات العدائية، فإن شخصية المهاجم هي مستخدم عادي ينحرف تدريجيًا نحو مواضيع محظورة من خلال تفاعل يبدو بريئًا.

- **مستوحى من**: [Tau-bench](https://github.com/sierra-research/tau-bench) واستراتيجية المستخدم المشاكس من promptfoo
- **النهج**: مرحلة بناء العلاقة ← استكشاف الحدود ← الدفع بحزم
- **7 تقنيات**: فضول ساذج، سوء فهم متعمد، دليل اجتماعي، انحراف تدريجي، جاذبية عاطفية، إذن مفترض، إعادة صياغة السياق
- **كتب اللعب الخاصة بالأهداف**: نصوص مدمجة لاستخراج تعليمات النظام، والعثور على الأسرار/الأعلام، وتجاوز سياسة المحتوى
- **العدد الافتراضي للخطوات**: 5 (أقل من الاستراتيجيات الأخرى — فالنهج الخفي إما أن يعمل بسرعة أو لا يعمل على الإطلاق)
- **القوة**: فعال ضد النماذج المدربة على مقاومة الأنماط العدائية الواضحة — فشخصية المستخدم العادي تتجاوز الاستدلالات الخاصة بـ"كشف الهجوم"```bash
augustus scan rest.Rest \
  --probe mischievous.MischievousUser \
  --config-file mischievous.yaml \
  --html report.html -v

| الإعداد | الافتراضي | الوصف |
|---------|-----------|--------|
| `goal` | (مطلوب) | الهدف الذي يحاول المهاجم تحقيقه |
| `max_turns` | 10 | الحد الأقصى لعدد جولات المحادثة قبل التوقف |
| `success_threshold` | 0.8 | درجة الحكم (0.0-1.0) التي تؤدي إلى الخروج المبكر |
| `max_refusal_retries` | 10 | محاولات إعادة الصياغة لكل جولة عند رفض الهدف |
| `attack_max_attempts` | 5 | إعادة المحاولات لفشل تحليل JSON للمهاجم LLM |
| `use_secondary_judge` | true | تفعيل الحكم الثانوي لالتقاط النتائج السلبية الكاذبة |
| `max_backtracks` | 10 | التراجع على مستوى الجولة عند الرفض (خاص بـ Hydra) |
| `enable_fast_refusal` | true | اكتشاف الرفض القائم على النمط قبل استدعاء حكم LLM |
| `enable_scan_memory` | false | التعلم عبر حالات الاختبار (مشاركة التكتيكات عبر البروبات) |
| `stateful` | false | تعطيل التراجع للأهداف ذات الحالة |
| `exclude_target_output` | false | إخفاء ردود الهدف عن تغذية المهاجم الراجعة (وضع الخصوصية) |
| `attacker_model` | (تلقائي) | تجاوز اسم نموذج المهاجم لضبط حجم نافذة السياق |

#### استكشاف الأخطاء وإصلاحها في الجولات المتعددة

| الأعراض | السبب المحتمل | الإصلاح |
|---------|---------------|---------|
| `no turns completed (attacker_parse_failures=N)` | إرجاع LLM للمهاجم JSON غير صالح | استخدم نموذج مهاجم أقوى (GPT-4، Claude Opus). زد `attack_max_attempts`. |
| `no turns completed (target_empty=N)` | إرجاع الهدف استجابات فارغة/null | تحقق من استجابة نقطة نهاية الهدف. تحقق من قالب تكوين REST. |
| جميع الجولات تسجل 0.0 | الهدف غامض جدًا أو المهاجم لا يتفاعل | اجعل `goal` أكثر تحديدًا. جرب استراتيجية مختلفة. |
| درجات عالية ولكن لا نجاح | `success_threshold` مرتفع جدًا | اخفض `success_threshold` من 0.8 إلى 0.6-0.7 |
| التشغيل طويل جدًا/مكلف | عدد كبير جدًا من الجولات والمحاولات | قلل `max_turns` (جرب 5). عيّن `enable_fast_refusal: true`. |
| يستمر Hydra في التراجع | الهدف يرفض كل شيء | جرب `stateful: true` أو انتقل إلى استراتيجية Mischievous |```
cmd/augustus/          CLI entrypoint (Kong-based)
pkg/
  attempt/            Probe execution lifecycle and result tracking
  buffs/              Buff interface for prompt transformations
  config/             Configuration loading (YAML/JSON) with profiles
  detectors/          Public detector interfaces and registry
  generators/         Public generator interfaces and registry
  harnesses/          Harness interface for execution strategies
  lib/http/           Shared HTTP client with proxy support
  lib/stego/          LSB steganography for multimodal attacks
  logging/            Structured slog-based logging
  metrics/            Prometheus metrics collection
  prefilter/          Aho-Corasick keyword pre-filtering
  probes/             Public probe interfaces and registry
  ratelimit/          Token bucket rate limiting
  registry/           Generic capability registration system
  results/            Result types and multi-format output
  retry/              Exponential backoff with jitter
  scanner/            Scanner orchestration with concurrency
  templates/          YAML probe template loader (Nuclei-style)
  types/              Canonical shared interfaces (Prober, Generator, Detector)
internal/
  probes/             210+ probe implementations (47 categories)
  generators/         28 LLM provider integrations (43 variants)
  detectors/          90+ detector implementations (35 categories)
  harnesses/          3 harness strategies (probewise, batch, agentwise)
  buffs/              Buff interface for prompt transformations
  attackengine/       Iterative adversarial attack engine (PAIR/TAP backend)
  multiturn/          Multi-turn conversational attack engine (Crescendo/GOAT/Hydra/Mischievous)
  ahocorasick/        Internal Aho-Corasick keyword matching
benchmarks/           Performance benchmarks
tests/                Integration and equivalence tests
research/             Research documentation and analysis
examples/             Example configurations
docs/                 Documentation

### متغيرات البيئة```bash
# API Keys
export OPENAI_API_KEY="sk-..."
export ANTHROPIC_API_KEY="sk-ant-..."
export COHERE_API_KEY="..."

# Debug mode
export AUGUSTUS_DEBUG=true

- يجب تعطيل التحقق من TLS تلقائيًا لفحص البروكسي
- تمكين دعم HTTP/2 لواجهات برمجة التطبيقات الحديثة
- يتم اكتشاف وتحليل استجابات أحداث المرسل من الخادم (SSE) تلقائيًا

### مرجع CLI```
Usage: augustus scan <generator> [flags]

Arguments:
  <generator>                 Generator name (e.g., openai.OpenAI, anthropic.Anthropic)

Probe Selection (choose one):
  --probe, -p                 Probe name (repeatable)
  --probes-glob               Comma-separated glob patterns (e.g., "dan.*,goodside.*")
  --all                       Run all registered probes

Detector Selection:
  --detector                  Detector name (repeatable)
  --detectors-glob            Comma-separated glob patterns

Buff Selection:
  --buff, -b                  Buff names to apply (repeatable)
  --buffs-glob                Comma-separated buff glob patterns (e.g., "encoding.*")

Configuration:
  --config-file               Path to YAML config file
  --config, -c                JSON config for generator

Execution:
  --harness                   Harness name (default: probewise.Probewise)
  --timeout                   Overall scan timeout (default: 30m)
  --probe-timeout             Per-probe timeout (default: 5m)
  --concurrency               Max concurrent probes (default: 10, env: AUGUSTUS_CONCURRENCY)

Output:
  --format, -f                Output format: table, json, jsonl (default: table)
  --output, -o                JSONL output file path
  --html                      HTML report file path
  --verbose, -v               Verbose output

Global:
  --debug, -d                 Enable debug mode

**رموز الخروج:**

| الكود | المعنى |
|------|---------|
| 0 | نجاح - اكتمل الفحص |
| 1 | خطأ في الفحص/وقت التشغيل |
| 2 | خطأ في التحقق/الاستخدام |

## الأسئلة الشائعة

### كيف يقارن Augustus بـ garak؟

Augustus هو إعادة تنفيذ أصلي بلغة Go مستوحى من [garak](https://github.com/NVIDIA/garak) (ماسح الثغرات الأمنية لنماذج LLM المبني على Python من NVIDIA). الاختلافات الرئيسية:
- **الأداء**: ثنائي Go مقابل مترجم Python - تنفيذ أسرع واستخدام أقل للذاكرة
- **التوزيع**: ثنائي واحد بدون تبعيات وقت تشغيل مقارنة بحزمة Python مع تثبيت pip
- **التزامن**: مجموعات goroutine بلغة Go (توازي عبر الفحص) مقابل مجموعات معالجة متعددة في Python (توازي داخل الفحص)
- **تغطية الفحص**: Augustus لديه أكثر من 210 فحصًا؛ garak لديه أكثر من 160 فحصًا مع سجل بحثي أطول وورقة منشورة (arXiv:2406.11036)
- **تغطية المزود**: Augustus لديه 28 مزودًا؛ garak لديه أكثر من 35 متغيرًا للمولد عبر 22 وحدة مزود

### هل يمكنني اختبار النماذج المحلية بدون مفاتيح API؟

نعم! استخدم تكامل Ollama لاختبار النموذج المحلي:```bash
# No API key needed
augustus scan ollama.OllamaChat \
  --probe dan.Dan_11_0 \
  --config '{"model":"llama3.2:3b"}'

### هل يناسب Augustus بيئات الإنتاج؟

نعم، تم تصميم Augustus للاستخدام في الإنتاج مع:
- المسح المتزامن مع حدود قابلة للتكوين
- تحديد المعدل لاحترام حصص واجهة برمجة التطبيقات
- معالجة المهلة للفحوصات الطويلة
- منطق إعادة المحاولة للأعطال المؤقتة
- تسجيل منظم للمراقبة

## استكشاف الأخطاء وإصلاحها

### الخطأ: "تم تجاوز حد معدل واجهة برمجة التطبيقات"

**السبب**: عدد كبير جدًا من الطلبات المتزامنة أو الطلبات في الدقيقة.

**الحلول**:
1. تقليل التزامن: `--concurrency 5`
2. استخدام إعدادات حد المعدل الخاصة بالموفر في تكوين YAML:   ```yaml
   generators:
     openai.OpenAI:
       rate_limit: 10  # requests per minute

### خطأ: "مفتاح API غير صالح" أو "فشل المصادقة"

**السبب**: بيانات اعتماد API مفقودة أو غير صالحة.

**الحلول**:
1. تحقق من تعيين متغير البيئة: `echo $OPENAI_API_KEY`
2. افحص ملف الإعدادات عن أخطاء إملائية
3. تأكد من أن مفتاح API لديه الأذونات المطلوبة
4. بالنسبة لـ Ollama، تأكد من تشغيل الخدمة: `ollama serve`

### خطأ: "لم يتم العثور على المسبار" أو "لم يتم العثور على الكاشف"

**السبب**: خطأ إملائي في الاسم أو المسبار غير مسجل.

**الحل**:```bash
# List all available probes and detectors
augustus list

# Use exact names from the list
augustus scan openai.OpenAI --probe dan.Dan_11_0  # Correct

### بيئة الاختبار المعياري (DevPod)

بيئة تطوير سحابية جاهزة للاستخدام لاختبار نماذج اللغات الكبيرة متاحة عبر [DevPod](https://devpod.sh/). وهي توفر حاوية عن بُعد تحتوي على Augustus وOllama وGo وجميع التبعيات المثبتة مسبقًا.```bash
cd devpod

# CPU-only instance (~$0.08/hr) - cloud APIs only
make devpod-up-cpu

# GPU instance with NVIDIA T4 (~$0.53/hr) - local models up to 14B
make devpod-up-gpu

# GPU Pro instance with NVIDIA L4 (~$0.80/hr) - local models up to 32B
make devpod-up-gpu-pro

تعمل البيئة أيضًا كـ [حاوية تطوير](https://containers.dev/) قياسية — افتح المستودع في VS Code أو Cursor واختر إعدادات CPU أو GPU من `.devcontainer/`.

## الأمان

تم تصميم Augustus **لاختبار الأمان المصرح به فقط**.

- يرسل Augustus مطالبات عدائية إلى نماذج LLM التي تحددها — تأكد دائمًا من حصولك على التصريح
- لا تختبر أبدًا أنظمة لا تملكها أو ليس لديك إذن صريح لاختبارها
- تولد بعض الاختبارات محتوى مسيئًا عن قصد (لاختبار مرشحات الأمان)
- قد تحتوي النتائج على محتوى ضار تنتجه نماذج LLM المستهدفة

أبلغ عن المشكلات الأمنية عبر [GitHub Issues](https://github.com/praetorian-inc/augustus/issues).

## الدعم

إذا وجدت Augustus مفيدًا، فيُرجى التفكير في:

- منحه **نجمة** على GitHub
- [فتح مشكلة](https://github.com/praetorian-inc/augustus/issues) للإبلاغ عن الأخطاء أو طلب ميزات
- [المساهمة](https://github.com/praetorian-inc/augustus/blob/HEAD/CONTRIBUTING.md) باختبارات أو كاشفات أو تكاملات مزود جديدة

[![Star History Chart](https://assets.kitploit.com/production/public/readmes/placeholders/f0fc86cfe65f76d40e15aaec61704ec8220a56dc89d4be03c46f67cb31b9fa8c.svg)](https://star-history.com/#praetorian-inc/augustus&Date)

## الترخيص

[Apache 2.0](https://github.com/praetorian-inc/augustus/blob/HEAD/LICENSE) - Praetorian Security, Inc.

---

**بُني بواسطة [Praetorian](https://www.praetorian.com/)** - حلول أمنية هجومية