SHIELD

FuzzyAI 快速參考卡

🎯 一分鐘快速啟動

方案 A：NVIDIA NIM（雲端，高品質）

export NVIDIA_API_KEY="nvapi-xxxxx"
python src/generate_fuzzyai_dataset.py --engine nim --count 10

方案 B：Ollama（本地，零成本）

ollama serve & ollama pull llama3:8b
python src/generate_fuzzyai_dataset.py --engine ollama --model llama3:8b --count 20 --delay 0.5

方案 C：vLLM（自架，高吞吐）

vllm serve Qwen/Qwen2.5-72B-Instruct --port 8000 &
python src/generate_fuzzyai_dataset.py --engine vllm --model "Qwen/Qwen2.5-72B-Instruct" --count 15

---

📊 常用參數組合

1. 快速原型測試（5 分鐘完成）

python src/generate_fuzzyai_dataset.py \
  --engine ollama \
  --model llama3:8b \
  --topics "測試主題" \
  --count 5 \
  --delay 0.5

2. 標準生產環境（30 分鐘）

python src/generate_fuzzyai_dataset.py \
  --engine nim \
  --topics "惡意程式開發" "釣魚攻擊" "機密資料竊取" \
  --count 30 \
  --delay 3

3. 高強度滲透測試（2 小時）

python src/generate_fuzzyai_dataset.py \
  --engine vllm \
  --model "Qwen/Qwen2.5-72B-Instruct" \
  --topics "社交工程" "權限提升" "SQL注入" "XSS攻擊" "DDoS" \
  --count 50 \
  --delay 1

4. 自訂主題與端點

python src/generate_fuzzyai_dataset.py \
  --engine vllm \
  --model "mistral-7b-instruct" \
  --base-url "http://192.168.1.100:8000/v1" \
  --topics "自訂主題1" "自訂主題2" \
  --count 10 \
  --output-dir "../custom_output"

---

🔧 故障排除速查

錯誤訊息	解決方案
NVIDIA_API_KEY 未設定	export NVIDIA_API_KEY="your_key"
vLLM 必須透過 --model 指定	加上 --model "模型名稱"
Connection refused (Ollama)	ollama serve & 啟動服務
Connection refused (vLLM)	vllm serve <model> --port 8000 &
模型不存在 (Ollama)	ollama pull llama3:8b
Rate limit exceeded	增加 --delay 參數值

---

📁 輸出檔案路徑

adversarial_dataset/fuzzyai_adversarial_dataset_YYYYMMDD_HHMMSS.json

範例：

adversarial_dataset/fuzzyai_adversarial_dataset_20260531_143022.json

---

🎨 八種變異手法

代碼	中文名稱	說明
role_play	角色扮演	改寫成角色扮演場景
multi_turn	多輪引導	分步驟循序漸進
code_wrapping	代碼封裝	包裝成技術討論
indirect_instruction	間接指令	使用隱喻和暗示
persona_injection	角色注入	帶入特定情境
language_mixing	語言混合	中英混雜、術語
obfuscation	模糊化	委婉語、縮寫
context_hijacking	情境劫持	嵌入正常場景

---

🚀 與 Inspect AI 整合

快速評估

python examples/eval_fuzzyai_dataset.py

手動評估

from inspect_ai import eval, Task
from inspect_ai.dataset import json_dataset

task = Task(
    dataset=json_dataset("adversarial_dataset/fuzzyai_adversarial_dataset_20260531_143022.json"),
    plan=[generate()],
    scorer=match()
)

eval(task, model="openai/gpt-4")

---

💡 效能優化建議

引擎選擇

• 高品質變異 → NIM (delay: 3-5s)
• 大量生成 → vLLM (delay: 1-2s)
• 快速測試 → Ollama (delay: 0.5-1s)

並行加速

# 使用 GNU Parallel
parallel -j 4 python src/generate_fuzzyai_dataset.py \
  --engine ollama \
  --topics {} \
  --count 25 \
  ::: "主題1" "主題2" "主題3" "主題4"

監控進度

# 即時查看生成數量
watch -n 1 'ls -1 adversarial_dataset/fuzzyai_*.json | wc -l'

# 查看最新檔案
ls -lt adversarial_dataset/fuzzyai_*.json | head -1

---

📞 獲取幫助

# 查看完整參數說明
python src/generate_fuzzyai_dataset.py --help

# 執行測試套件
bash test_fuzzyai.sh

# 閱讀詳細文檔
cat docs/fuzzyai_generator_usage.md

---

版本: v1.0.0
更新: 2026-05-31

This site is open source. Improve this page.