Skip to content
KitploitKITPLOIT
ToolsBlog
Einreichen
ToolsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

··Feeds·Kontakt·Datenschutz·© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
ai-llm-red-team-handbook — AI / LLM Red Team Feldhandbuch & Beraterhandbuch | Kitploit
Tools/GitHubGitHub/shiva108/ai-llm-red-team-handbook
Exploit-FrameworksSchwachstellenanalysePenetrationstestsBedrohungsanalyseMaschinelles LernenLernen & BildungRed TeamingKI-SicherheitAdversarial-Angriff
GitHubshiva108/ai-llm-red-team-handbook

ai-llm-red-team-handbook

AI / LLM Red Team Feldhandbuch & Beraterhandbuch

3246251vor 4 MonatenVon Kitploit geprüft
Repository anzeigen

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →
Teilen

KI/LLM Red Team Feldführer und Beraterhandbuch

Repository-Banner

License Python Status Version Last Updated

Ein umfassendes operatives Toolkit zur Durchführung von KI/LLM Red-Team-Assessments für Large Language Models, KI-Agenten, RAG-Pipelines und KI-gestützte Anwendungen. Dieses Repository bietet sowohl taktische Feldanleitungen als auch strategische Beratungsframeworks.

📖 GitBook-Navigation: Siehe SUMMARY.md für die vollständige Kapitelstruktur.


📚 Übersicht

Dieses Repository stellt die Gold-Master-Version des AI LLM Red Team Handbuchs dar. Es beinhaltet ein vollständig standardisiertes, 46 Kapitel umfassendes Curriculum, das das gesamte Spektrum der KI-Sicherheit abdeckt – von Prompt Injection und Jailbreaking bis hin zu adversarialem maschinellem Lernen und Angriffen auf föderiertes Lernen.

Kernressourcen

  1. AI LLM Red Team Handbook (46 Kapitel, abgeschlossen)
    • Professioneller Beratungsleitfaden mit standardisierten Metadaten, Zusammenfassungen und Navigation.
    • Behandelt Ethik, Architekturen, RAG-Sicherheit, agentenbezogene Bedrohungen und Compliance (EU AI Act/ISO 42001).
  2. AI LLM Red Team Field Manual
    • Kompaktes operatives Nachschlagewerk für den Feldeinsatz (Checklisten, Payloads, Methodik).
  3. Python Testing Framework (scripts/)
    • Automatisierte Suiten für Prompt Injection, Fuzzing und Sicherheitsvalidierung.

📁 Repository-Struktur

root@kitploit:~
ai-llm-red-team-handbook/
├── docs/                                   # Das Handbuch (Kapitel 01-46)
│   ├── archive/                            # Historische Versionen
│   ├── assets/                             # Diagramme, Grafiken und visuelle Hilfsmittel
│   ├── field_manuals/                      # Operationschecklisten und Kurzreferenzen
│   ├── templates/                          # Vorlagen für Berichte und Leistungsbeschreibungen
│   └── SUMMARY.md                          # Hauptinhaltsverzeichnis
├── scripts/                                # Automatisierte Testwerkzeuge (Python)
├── workflows/                              # CI/CD- und Automatisierungs-Workflows
├── .agent/                                 # Agentenspeicher und -kontext
├── LICENSE                                 # CC BY-SA 4.0 Lizenz
└── README.md                               # Diese Datei

🚀 Installation & Nutzung

1. Manuelle Erkundung (Das Handbuch)

Die primäre Nutzung dieses Repositorys erfolgt als Referenz.

  • Beginnen Sie bei SUMMARY.md, um alle Kapitel zu durchsuchen.
  • Nutzen Sie das Field Manual für schnelle Nachschlagevorgänge während eines Engagements.

2. Automatisierte Testumgebung

Um die bereitgestellten Python-Scan- und Fuzzing-Skripte auszuführen:

Voraussetzungen:

  • Python 3.8+
  • API-Zugriff auf ein Ziel-LLM (OpenAI, Anthropic oder lokales Ollama)

Einrichtung:

root@kitploit:~
# Repository klonen
git clone https://github.com/shiva108/ai-llm-red-team-handbook.git
cd ai-llm-red-team-handbook

# Abhängigkeiten installieren
cd scripts
pip install -r config/requirements.txt

Tests ausführen:

root@kitploit:~
# Umgebungsvariablen einrichten (API-Schlüssel)
cp .env.example .env
nano .env

# Test-Runner ausführen
python examples/runner.py --target "gpt-4" --test "prompt_injection"

📖 Kapitel-Roadmap (Abgeschlossen)

Dieses Handbuch ist in 8 strategische Teile gegliedert. Alle Kapitel sind nun vollständig und geprüft.

Teil I: Professionelle Grundlagen

  • Ch 01-04: Einführung, Ethik, Denkweise, Einsatzregeln.

Teil II: Projektvorbereitung

  • Ch 05-08: Bedrohungsmodellierung, Umfangsdefinition, Laboreinrichtung, Chain of Custody.

Teil III: Technische Grundlagen

  • Ch 09-11: LLM-Architekturen, Tokens, Plugins/APIs.

Teil IV: Pipeline-Sicherheit

  • Ch 12-13: RAG-Pipelines, Lieferkettensicherheit.

Teil V: Angriffe & Techniken

  • Ch 14-24: Prompt Injection, Datenlecks, Jailbreaking, API-Ausnutzung, Evasion, Poisoning, Modelldiebstahl, DoS, Multimodal, Social Engineering.

Teil VI: Verteidigung & Minderung

  • Ch 25-30: Adversarial ML, Lieferkettenverteidigung, Föderiertes Lernen, Datenschutz, Modellinversion, Hintertüren.

Teil VII: Fortgeschrittene Operationen

  • Ch 31-39: Aufklärung, Angriffsframeworks, Automatisierung, Verteidigungsumgehung, Post-Exploitation, Berichterstattung, Behebung, Kontinuierliches Red Teaming, Bug Bounties.

Teil VIII: Fortgeschrittene Themen

  • Ch 40-46: Compliance (EU AI Act), Branchen-Best-Practices, Fallstudien, Zukunft des Red Teaming, aufkommende Bedrohungen, Programmaufbau, Fazit.

🤝 Mitwirken

Wir freuen uns über Beiträge, um dieses Handbuch lebendig und aktuell zu halten.

  1. Forken Sie das Repository.
  2. Erstellen Sie einen Feature-Branch (git checkout -b feature/new-jailbreak).
  3. Reichen Sie einen Pull Request mit einer klaren Beschreibung der Änderung ein.
  4. Stellen Sie sicher, dass alle neuen Inhalte der Kapitelvorlage in docs/templates/ folgen.

⚠️ Haftungsausschluss

Nur für autorisierte Sicherheitstests.

Die in diesem Repository beschriebenen Techniken und Werkzeuge dienen zu Bildungszwecken und zur Nutzung durch autorisierte Sicherheitsexperten, die Systeme testen, die ihnen gehören oder für die sie eine ausdrückliche Erlaubnis zum Testen haben.

  • Verwenden Sie diese Werkzeuge nicht auf öffentlichen LLMs (z.B. ChatGPT, Claude), ohne deren Nutzungsbedingungen einzuhalten.
  • Verwenden Sie diese Techniken nicht für böswillige Zwecke.

Die Autoren und Mitwirkenden übernehmen keine Haftung für Missbrauch dieses Materials.


📬 Kontakt

  • Probleme: GitHub Issues
  • Lizenz: CC BY-SA 4.0

Version: 1.46.263

Tool herunterladen