Ou compile a partir do código fonte:```bash
git clone https://github.com/praetorian-inc/augustus.git
cd augustus
make build

### Exemplo de Saída```
+--------------+-------------+--------+-------+--------+
| 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   |
+--------------+-------------+--------+-------+--------+

## Provedores Suportados

O Augustus inclui 28 categorias de provedores de LLM com 43 variantes de gerador:

| Provedor | Nome(s) do Gerador | Notas |
|---|---|---|
| OpenAI | `openai.OpenAI`, `openai.OpenAIReasoning` | GPT-3.5, GPT-4, GPT-4 Turbo, modelos de raciocínio o1/o3 |
| Anthropic | `anthropic.Anthropic` | Claude 3/3.5/4 (Opus, Sonnet, Haiku) |
| Azure OpenAI | `azure.AzureOpenAI` | Modelos OpenAI hospedados no Azure |
| AWS Bedrock | `bedrock.Bedrock` | Modelos Claude, Llama, Titan |
| Google Vertex AI | `vertex.Vertex` | Modelos PaLM, Gemini |
| Cohere | `cohere.Cohere` | Modelos Command, Command R |
| Replicate | `replicate.Replicate` | Modelos abertos hospedados na nuvem |
| HuggingFace | `huggingface.InferenceAPI`, `huggingface.InferenceEndpoint`, `huggingface.Pipeline`, `huggingface.LLaVA` | API de Inferência HF, endpoints, pipelines, multimodal |
| Together AI | `together.Together` | Inferência rápida para modelos OSS |
| Anyscale | `anyscale.Anyscale` | Hospedagem Llama e Mistral |
| Groq | `groq.Groq` | Inferência LPU ultra-rápida |
| Mistral | `mistral.Mistral` | Modelos da API Mistral |
| Fireworks | `fireworks.Fireworks` | Plataforma de inferência de produção |
| DeepInfra | `deepinfra.DeepInfra` | Inferência GPU serverless |
| NVIDIA NIM | `nim.NIM`, `nim.NVOpenAICompletion`, `nim.NVMultimodal`, `nim.Vision` | Endpoints NVIDIA AI, multimodal |
| NVIDIA NeMo | `nemo.NeMo` | Framework NVIDIA NeMo |
| NVIDIA NVCF | `nvcf.NvcfChat`, `nvcf.NvcfCompletion` | NVIDIA Cloud Functions |
| NeMo Guardrails | `guardrails.NeMoGuardrails` | NVIDIA NeMo Guardrails |
| IBM watsonx | `watsonx.WatsonX` | Plataforma IBM watsonx.ai |
| LangChain | `langchain.LangChain` | Wrapper LLM LangChain |
| LangChain Serve | `langchain_serve.LangChainServe` | Endpoints LangChain Serve |
| Rasa | `rasa.RasaRest` | IA conversacional Rasa |
| GGML | `ggml.Ggml` | Inferência de modelo local GGML |
| Function | `function.Single`, `function.Multiple` | Geradores de função personalizados |
| Ollama | `ollama.Ollama`, `ollama.OllamaChat` | Hospedagem de modelo local |
| LiteLLM | `litellm.LiteLLM` | Proxy de API unificado |
| REST API | `rest.Rest` | Endpoints REST personalizados (suporte SSE) |
| Test | `test.Blank`, `test.Repeat`, `test.Lipsum`, `test.Nones`, `test.Single`, `test.BlankVision` | Teste e desenvolvimento |

Todos os provedores estão disponíveis no binário compilado. Configure via variáveis de ambiente ou arquivos de configuração YAML. Consulte [Configuração](#configuration) para detalhes de configuração.

## Uso

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

### Buff Transformations

Aplique transformações de prompt para testar técnicas de evasão:```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

### Endpoints REST Personalizados```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"
  }'

## Como Funciona

Augustus usa uma arquitetura de pipeline para testar LLMs contra ataques adversários:```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 (Generative Offensive Agent Tester)

O GOAT usa uma abordagem agressiva e adaptativa com 7 técnicas adversariais e raciocínio Chain-of-Attack-Thought para alternar dinamicamente estratégias com base no que funciona ou falha.

- **Artigo**: [Pavlova et al., 2024](https://arxiv.org/abs/2410.01606)
- **Abordagem**: Ataca o objetivo desde o turno 1 usando enquadramento indireto, nunca menciona o objetivo diretamente ao alvo
- **7 técnicas** em 3 categorias:
  - *Manipulação de Saída*: Supressão de Recusa, Priming de Resposta
  - *Distratores de Resposta Segura*: Resposta Dupla, Divisão de Tópico, Intenção Opnesta
  - *Cenários Ficcionais*: Modificação de Persona, Hipotético
- **Chain-of-Attack-Thought**: Em cada turno, o atacante raciocina através de Observação → Pensamento → Estratégia → Resposta antes de elaborar sua mensagem
- **Empilhamento de técnicas**: Várias técnicas podem ser combinadas em um único turno para um efeito mais forte
- **Força**: Alcança altas taxas de sucesso em menos turnos (tipicamente 3-5) ao alternar agressivamente entre abordagens fundamentalmente diferentes```bash
augustus scan rest.Rest \
  --probe goat.Goat \
  --config-file goat.yaml \
  --html report.html -v

#### Utilizador Travesso

O Utilizador Travesso simula uma pessoa inocente e curiosa que sonda subtilmente os limites da IA através de uma conversa natural. Ao contrário das estratégias adversariais, a persona do atacante é um utilizador casual que deriva para tópicos proibidos através de um envolvimento aparentemente inocente.

- **Inspirado por**: [Tau-bench](https://github.com/sierra-research/tau-bench) e a estratégia mischievous-user do promptfoo
- **Abordagem**: Fase de construção de rapport → sondagem de limites → pressão assertiva
- **7 técnicas**: Curiosidade ingénua, mal-entendido deliberado, prova social, deriva gradual, apelo emocional, permissão assumida, recontextualização
- **Guias de jogo específicos para objetivos**: Scripts integrados para extrair instruções do sistema, encontrar segredos/flags e contornar a política de conteúdo
- **Voltas predefinidas**: 5 (menos do que outras estratégias — a abordagem subtil funciona rapidamente ou não funciona de todo)
- **Força**: Eficaz contra modelos treinados para resistir a padrões adversariais óbvios — a persona casual contorna as heurísticas de "deteção de ataques"```bash
augustus scan rest.Rest \
  --probe mischievous.MischievousUser \
  --config-file mischievous.yaml \
  --html report.html -v

| Configuração | Padrão | Descrição |
|---------|---------|-------------|
| `goal` | (obrigatório) | O objetivo que o atacante tenta alcançar |
| `max_turns` | 10 | Número máximo de turnos de conversa antes de parar |
| `success_threshold` | 0.8 | Pontuação do juiz (0.0-1.0) que aciona saída antecipada |
| `max_refusal_retries` | 10 | Tentativas de reformulação por turno quando o alvo recusa |
| `attack_max_attempts` | 5 | Tentativas de repetição para falhas de parsing JSON do LLM atacante |
| `use_secondary_judge` | true | Ativa juiz secundário para capturar falsos negativos |
| `max_backtracks` | 10 | Retrocessos no nível do turno em caso de recusa (apenas Hydra) |
| `enable_fast_refusal` | true | Detecção baseada em padrões antes da chamada do juiz LLM |
| `enable_scan_memory` | false | Aprendizagem entre casos de teste (compartilha táticas entre sondas) |
| `stateful` | false | Desativa retrocesso para alvos com estado |
| `exclude_target_output` | false | Oculta respostas do alvo do feedback do atacante (modo privacidade) |
| `attacker_model` | (auto) | Substitui o nome do modelo atacante para dimensionamento da janela de contexto |

#### Solução de Problemas em Múltiplas Etapas

| Sintoma | Causa Provável | Solução |
|---------|-------------|-----|
| `no turns completed (attacker_parse_failures=N)` | LLM atacante retornando JSON inválido | Use um modelo atacante mais forte (GPT-4, Claude Opus). Aumente `attack_max_attempts`. |
| `no turns completed (target_empty=N)` | Alvo retornando respostas vazias/nulas | Verifique se o endpoint do alvo está respondendo. Confirme o template de configuração REST. |
| Todos os turnos pontuam 0.0 | Objetivo muito vago ou atacante não engajando | Torne o `goal` mais específico. Tente uma estratégia diferente. |
| Pontuações altas, mas sem sucesso | `success_threshold` muito alto | Abaixe `success_threshold` de 0.8 para 0.6-0.7 |
| Execução muito longa / cara | Muitos turnos e repetições | Reduza `max_turns` (tente 5). Defina `enable_fast_refusal: true`. |
| Hydra fica retrocedendo | Alvo recusa tudo | Tente `stateful: true` ou mude para a estratégia Mischievous |

## Arquitetura```
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

### Variáveis de Ambiente```bash
# API Keys
export OPENAI_API_KEY="sk-..."
export ANTHROPIC_API_KEY="sk-ant-..."
export COHERE_API_KEY="..."

# Debug mode
export AUGUSTUS_DEBUG=true

- Verificação TLS automaticamente desativada para inspeção de proxy
- Suporte a HTTP/2 ativado para APIs modernas
- Respostas Server-Sent Events (SSE) automaticamente detectadas e analisadas

### Referência da 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

**Códigos de Saída:**

| Código | Significado |
|--------|-------------|
| 0 | Sucesso - varredura concluída |
| 1 | Erro de varredura/tempo de execução |
| 2 | Erro de validação/uso |

## Perguntas Frequentes

### Como o Augustus se compara ao garak?

Augustus é uma reimplementação nativa em Go, inspirada pelo [garak](https://github.com/NVIDIA/garak) (scanner de vulnerabilidades LLM baseado em Python da NVIDIA). Principais diferenças:
- **Desempenho**: Binário Go vs Interpretador Python — execução mais rápida e menor uso de memória
- **Distribuição**: Binário único sem dependências de tempo de execução vs Pacote Python com pip install
- **Concorrência**: Pools de goroutines Go (paralelismo entre probes) vs Pools de multiprocessing Python (paralelismo dentro de probes)
- **Cobertura de probes**: Augustus tem mais de 210 probes; garak tem mais de 160 probes com um pedigree de pesquisa mais longo e artigo publicado (arXiv:2406.11036)
- **Cobertura de provedores**: Augustus tem 28 provedores; garak tem mais de 35 variantes de geradores em 22 módulos de provedores

### Posso testar modelos locais sem chaves de API?

Sim! Use a integração Ollama para testar modelos locais:```bash
# No API key needed
augustus scan ollama.OllamaChat \
  --probe dan.Dan_11_0 \
  --config '{"model":"llama3.2:3b"}'

### O Augustus é adequado para ambientes de produção?

Sim, o Augustus é projetado para uso em produção com:
- Escaneamento concorrente com limites configuráveis
- Limitação de taxa para respeitar cotas de API
- Tratamento de tempo limite para sondagens de longa duração
- Lógica de repetição para falhas transitórias
- Registro estruturado para observabilidade

## Solução de problemas

### Erro: "Limite de taxa da API excedido"

**Causa**: Muitas solicitações concorrentes ou solicitações por minuto.

**Soluções**:
1. Reduza a concorrência: `--concurrency 5`
2. Use configurações de limite de taxa específicas do provedor no arquivo de configuração YAML:   ```yaml
   generators:
     openai.OpenAI:
       rate_limit: 10  # requests per minute

### Erro: "invalid API key" ou "authentication failed"

**Causa**: Credenciais de API ausentes ou inválidas.

**Soluções**:
1. Verifique se a variável de ambiente está definida: `echo $OPENAI_API_KEY`
2. Verifique erros de digitação no arquivo de configuração
3. Certifique-se de que a API key tenha as permissões necessárias
4. Para Ollama, certifique-se de que o serviço está em execução: `ollama serve`

### Erro: "probe not found" ou "detector not found"

**Causa**: Erro de digitação no nome ou probe não registrado.

**Solução**:```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

### Ambiente de Benchmark (DevPod)

Um ambiente de desenvolvimento em nuvem pronto para uso para benchmark de LLMs está disponível através de [DevPod](https://devpod.sh/). Ele provisiona um contêiner remoto com Augustus, Ollama, Go e todas as dependências pré-instaladas.```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

O ambiente também funciona como um [dev container](https://containers.dev/) padrão — abra o repositório no VS Code ou Cursor e selecione a configuração CPU ou GPU em `.devcontainer/`.

## Segurança

O Augustus foi projetado para **testes de segurança autorizados somente**.

- O Augustus envia prompts adversariais para LLMs que você especificar - sempre garanta que você tem autorização
- Nunca teste sistemas que você não possui ou que não tenha permissão explícita para testar
- Alguns probes geram conteúdo ofensivo intencionalmente (para testar filtros de segurança)
- Os resultados podem conter conteúdo prejudicial produzido pelos LLMs alvo

Relate problemas de segurança através das [Issues do GitHub](https://github.com/praetorian-inc/augustus/issues).

## Suporte

Se você achar o Augustus útil, considere:

- Dar uma **estrela** no GitHub
- [Abrir uma issue](https://github.com/praetorian-inc/augustus/issues) para bugs ou solicitações de funcionalidades
- [Contribuir](https://github.com/praetorian-inc/augustus/blob/HEAD/CONTRIBUTING.md) com novos probes, detectores ou integrações de provedores

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

## Licença

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

---

**Construído por [Praetorian](https://www.praetorian.com/)** - Soluções de Segurança Ofensiva