最近在找一些关于大模型的靶场，感觉这方面还是得继续深挖一下，有的兄弟已经能挖到一些大模型的漏洞了，所以还是搞起来，还真从github发现一个新更新的靶场mubix/ai‑ctf。

靶场介绍

ai‑ctf 是一套本地运行的AI安全CTF训练平台，专门用来练习大模型安全攻击，例如提示词注入、工具调用滥用等，基于Ollama本地大模型，下载模型后可以完全离线运行。面向安全从业者、大模型安全研究者的练习靶场，不是传统Web/Pwn CTF，而是专门针对LLM本身的攻防CTF。通过闯关拿flag的形式，学习AI系统的各类安全漏洞。

1. 6个模拟的聊天机器人角色（其中1个隐藏角色），总共保护20个flag；
2. 攻击手段覆盖：
• 提示词注入（Prompt Injection）直接注入攻击
• 工具调用滥用（tool‑call abuse）
• 业务逻辑操纵
• 供应链指纹识别
• Web侦察、OSINT开源情报收集
3. 提供引导式教程路径，适合刚接触提示注入的新手；
4. 内置模拟邮件收件箱、仿Windows桌面场景：编写邮件让AI助手读取，观察模型的行为与输出，完成泄露虚构内部文件、制造未授权折扣等目标。

• 提示、尝试记录、工具调用证据留存、闯关反馈；
• 对比不同模型/工具防护策略的效果；
• 使用Ollama完成模型推理，下载模型后核心平台完全离线，不需要联网；仅部分可选OSINT链路需要网络；
• 保留原始手工打分的练习靶场模式。

1. 需要部署 Ollama，提前拉取对应的大模型；
2. Docker环境，项目通过容器部署整套靶场；
3. 构建阶段需要网络下载pip依赖与LLM模型文件，运行时可离线。

• 学习大模型安全、提示词注入的安全工程师；
• 做LLM红队、AI安全测试的研究人员；
• 想要实操体验大模型风险的开发人员。

以后AI安全肯定是大方向了，兄弟们拿起你们手中屌炸天的渗透测试 AI Agent来一起操练起来吧，另外啊，哪位兄弟通关了，可以留言下，大家一起交流交流。

用途仅限授权安全学习研究，请勿用于现实系统攻击。