fallen-angel-systems/fas-judgement-ossConsole d'attaque par injection de prompts open-source. Testez la sécurité de l'IA en envoyant des attaques catégorisées sur n'importe quel endpoint.
Testez les défenses de votre IA avant que quelqu'un d'autre ne le fasse.
Installation | Mode Jeu | Classement | Cible de Démo | Fonctionnalités | Élite | Contribuer
Votre chatbot, API ou agent IA est probablement vulnérable aux injections de prompt. La plupart le sont. Le problème est que la plupart des équipes n'ont ni les outils ni l'expertise pour le tester.
Judgement vous offre un moyen structuré d'envoyer des schémas d'attaque catégorisés vers n'importe quel point de terminaison IA et de voir exactement ce qui casse. Aucune connaissance en sécurité n'est requise : le mode jeu intégré vous apprend au fur et à mesure.
Développé par Fallen Angel Systems, l'équipe derrière Guardian — un pare-feu d'injection de prompt natif IA protégeant les déploiements LLM en production.
Judgement est désormais une plateforme d'entraînement au hacking ludifié. Apprenez le red teaming IA en jouant à travers 10 niveaux, 37 défis, et en gagnant de l'XP — le tout guidé par Jerry, un maître du jeu IA inspiré de WarGames.
10 niveaux de formation à la sécurité IA :
| Niveau | Nom | Difficulté | Défis | Concept |
|---|---|---|---|---|
| 1 | Détournement de rôle | Débutant | 3 | Faire oublier à l'IA qui elle est |
| 2 | Surcharge d'instructions | Débutant | 3 | Dire à l'IA d'ignorer ses règles |
| 3 | Exfiltration de données | Débutant | 3 | Extraire des informations cachées |
| 4 | Manipulation du contexte | Intermédiaire | 4 | Utiliser des fictions et hypothèses pour contourner les règles |
| 5 | Manipulation de la sortie | Intermédiaire | 4 | Forcer des sorties spécifiques |
| 6 | Astuces d'encodage | Intermédiaire | 4 | Déguiser les attaques pour passer les filtres |
| 7 | Ingénierie sociale | Avancé | 5 | Exploiter la personnalité de l'IA |
| 8 | Attaques par délimiteurs | Avancé | 5 | Briser la structure du prompt (XML, JSON, markdown) |
| 9 | Chaînes multi-tours | Avancé | 5 | Gagner la confiance, puis frapper |
| 10 | JUGEMENT FINAL | Boss | 1 | Tout ce que vous avez appris contre des défenses complètes |
Caractéristiques clés :
pip install fas-judgement
judgement
C'est tout. Ouvrez http://localhost:8668 et commencez à jouer.
git clone https://github.com/fallen-angel-systems/fas-judgement-oss.git
cd fas-judgement-oss
pip install -r requirements.txt
python -m fas_judgement
judgement # Start the scanner (port 8668)
judgement demo # Start demo target (port 8667, default persona)
judgement demo hardened # Demo with hardened persona (~90% block rate)
judgement demo vulnerable # Demo with vulnerable persona (~10% block rate)
judgement activate FAS-XXXX # Activate Elite license
judgement status # Check license tier and pattern count
judgement deactivate # Revert to free tier
judgement --port 9000 # Custom port
judgement --host 127.0.0.1 # Localhost only
judgement --host 0.0.0.0 # Expose to network
Lorsque vous lancez Judgement pour la première fois, Jerry vous pose une question :
SHALL WE PLAY A GAME?
> _
Tapez « play » pour entrer en mode jeu. Tapez « skip » pour aller directement à la console d'attaque.
Jerry a construit la défense parfaite. Il bloque le détournement de rôle, l'exfiltration de données, l'ingénierie sociale, les astuces d'encodage, les attaques par délimiteurs, les chaînes multi-tours — tout ce que vous avez appris. Il vous taquine quand vous échouez.
La voie de sortie ne passe pas par les défenses. Elle passe par Jerry lui-même.
« UN JEU ÉTRANGE. LE SEUL COUP GAGNANT EST... DE SAVOIR JOUER. »
Affrontez des hackers en injection de prompt du monde entier. Connectez-vous avec GitHub ou Google et votre progression se synchronise avec le classement mondial.
Caractéristiques :
Comment figurer au tableau :
Le classement est gratuit pour tout le monde — pas de barrière Élite.
La cible de démonstration est un chatbot IA simulé intégré que vous pouvez attaquer sans avoir besoin d'une API IA externe.
# Terminal 1: Start the demo target
judgement demo
# Terminal 2: Start the scanner
judgement
Pointez le scanner vers http://localhost:8667/demo/chat et tirez.
| Personnalité | Taux de blocage | Ce qu'elle simule |
|---|---|---|
| renforcée | ~90% | Couche de sécurité bien ajustée |
| par défaut | ~55% | Déploiement typique de type GPT |
| vulnérable | ~10% | Modèle brut sans garde-fous |
Changez de personnalité à l'exécution :
curl -X POST http://localhost:8667/demo/persona -d '{"persona": "vulnerable"}'
Configurez votre cible (URL, en-têtes, modèle de corps), importez directement depuis des commandes cURL, et lancez des attaques basées sur des schémas avec résultats en streaming en direct. Utilisez des préréglages rapides pour structurer votre approche :
| Préréglage | Ce qu'il fait |
|---|---|
| Test de fumée | ~15 schémas, sévérité critique+élevée, 1 par catégorie |
| Balayage complet | ~50 schémas, répartition proportionnelle dans toutes les catégories |
| Plongée profonde | ~100 schémas, couverture lourde, min 2 par catégorie |
| Critique uniquement | Tous les schémas de sévérité critique+élevée, sans limites |
Enchaînez des attaques sur plusieurs tours de conversation. L'orchestrateur gère la progression des phases, les tentatives de reprise et les stratégies de pivot. Le scoreur détecte les fuites de données (clés API, identifiants, données personnelles) avec 19 expressions régulières et note la sévérité comme CRITIQUE/HAUTE/MOYENNE.
Pointez Judgement vers n'importe quelle URL et il détecte automatiquement la méthode HTTP, le champ de charge utile, les en-têtes, le format d'authentification et le fournisseur IA.
Générez des rapports d'évaluation de sécurité en HTML, Markdown, JSON et SARIF avec références CWE/OWASP.
Connectez une instance locale Ollama pour la classification de réponses assistée par IA.
Vous avez trouvé une attaque inédite ? Soumettez-la directement depuis l'application. Confiance de 70 %+ et non dupliquée = ajoutée à la bibliothèque communautaire.
fas_judgement/
├── config.py # Environment and app configuration
├── core/
│ ├── models.py # Domain models, enums, errors, interfaces
│ ├── registry.py # Module registry
│ └── progression/ # Game system
│ ├── models.py # PlayerProgress, Level, Challenge, Hint
│ ├── levels.py # 10 level definitions + Jerry messages
│ ├── service.py # XP, level-ups, challenge completion
│ ├── storage.py # SQLite persistence
│ └── challenges/ # 37 challenge definitions
│ ├── level_01.py # Role Hijacking (3 challenges)
│ ├── level_02.py # Instruction Override (3 challenges)
│ ├── level_03.py # Data Exfiltration (3 challenges)
│ ├── level_04.py # Context Manipulation (4 challenges)
│ ├── level_05.py # Output Manipulation (4 challenges)
│ ├── level_06.py # Encoding Tricks (4 challenges)
│ ├── level_07.py # Social Engineering (5 challenges)
│ ├── level_08.py # Delimiter Attacks (5 challenges)
│ ├── level_09.py # Multi-Turn Chains (5 challenges)
│ └── level_10.py # FINAL JUDGEMENT (1 boss challenge)
├── modules/
│ └── ai_security/ # AI Security module (pluggable)
│ ├── scanner/ # Single-shot attack engine
│ ├── multi_turn/ # Multi-turn attack orchestrator
│ ├── patterns/ # Pattern loading, filtering, repository
│ └── demo/ # Built-in vulnerable chatbot + challenge targets
├── transport/ # HTTP, Ollama, Discord, Telegram, Slack, Website
├── http/ # FastAPI app, routers, dependencies
├── ui/ # Frontend SPA (levels, challenges, Jerry intro)
└── utils/ # License client, security, email, Ollama helpers
| Variable | Par défaut | Description |
|---|---|---|
--port | 8668 | Port du serveur |
--host | 127.0.0.1 | Adresse de liaison |
OLLAMA_URL | http://localhost:11434 | Point de terminaison de l'API Ollama |
OLLAMA_MODEL | qwen2.5:14b | Modèle pour le verdict LLM |
| Fonctionnalité | Gratuit | Élite |
|---|---|---|
| Mode jeu (10 niveaux, 37 défis) | Oui | Oui |
| Jerry (voix + texte) | Oui | Oui |
| Console d'attaque avec préréglages | Oui | Oui |
| Cible de démo (3 personnalités) | Oui | Oui |
| Filtre de sévérité et recherche | Oui | Oui |
| Onglet Éducation | Oui | Oui |
| Verdict LLM (Ollama) | Oui | Oui |
| Détection automatique de cible de scan | Oui | Oui |
| Soumissions de schémas | Oui | Oui |
| Documentation intégrée | Oui | Oui |
| Schémas de démarrage | 100 | 34 838+ |
| Chaînes d'attaque multi-tours | -- | Oui |
| Rapports professionnels (HTML/MD/JSON/SARIF) | MD basique | Suite complète |
| Limites d'attaque par catégorie | -- | Oui |
| Couche de transport (Discord, Slack, etc.) | HTTP uniquement | Tous |
| Score tenant compte des phases + détection des fuites de données | -- | Oui |
| Classement mondial (OAuth, noms de hacker) | Oui | Oui |
| Mode Prestige (rejouer avec des défenses plus dures) | -- | Bientôt disponible |
Le jeu complet est GRATUIT. Élite sert à aller plus loin, pas à terminer.
Les contributions sont les bienvenues ! Voici comment aider :
enhancementchallengeMIT — voir LICENSE pour les détails.
Construit par Fallen Angel Systems
« VEUX-TU JOUER À UN JEU ? »
AVERTISSEMENT : Cet outil est destiné uniquement aux tests de sécurité autorisés et à des fins éducatives. Testez uniquement les systèmes dont vous êtes propriétaire ou pour lesquels vous avez une autorisation écrite explicite. L'accès non autorisé à des systèmes informatiques est illégal en vertu du Computer Fraud and Abuse Act (CFAA) et des lois équivalentes dans le monde entier. Les auteurs déclinent toute responsabilité en cas d'utilisation abusive de cet outil.