Awesome Cyber & AI Arsenal：把红队蓝队与 LLM 安全装进同一张作战地图

仓库 Logo：pazo01/awesome-cyber-ai-arsenal

一、它是什么：一个安全工程师的"军火库目录"

想象你要给一家刚做完 AI 客服系统的公司做一次攻防演练。你需要的不是一台神器，而是一份清单：- 信息收集阶段用什么把子域名、端口、JS 里的接口全挖出来；- 漏洞验证阶段用什么跑模糊测试、扫描器、Payload；- AI 系统阶段用什么测提示词注入、越狱、护栏绕过；- 防守阶段用什么做 SAST、依赖扫描、密钥检测、资产梳理。 pazo01/awesome-cyber-ai-arsenal 就是这样一份清单。它由单一维护者 pazo01 维护，2026 年 7 月创建至今约三个月，已积累 182 星、55 次 Fork、24 次提交、4 位贡献者，MIT 协议许可，目前仍在活跃更新（最近一次提交即新增 Huihui、dealignai 等脱敏模型条目）。README 以 Markdown 表格组织，收录 250+ 条工具链接、30+ 个子分类，全部条目统一采用「工具名 + 一句话用途 + 官方仓库链接」的三段式结构。

二、分类骨架：红队、蓝队、AI 安全三分天下

最值得称道的是它的目录设计——不是按工具名排序的字母表，而是按作战阶段分组，检索路径贴近真实渗透流程：

🔴 进攻侧（Red Team）

覆盖子域名枚举（subfinder、Amass、Chaos、cloudlist）、端口扫描（naabu、masscan、nmap）、HTTP 探测与爬取（httpx、katana、feroxbuster）、JS 端点挖掘（LinkFinder、jsluice）、模糊测试（ffuf）、Web 漏洞扫描、注入与 XSS、SSRF、GraphQL、C2 与利用后渗透，最后是 SecLists、PayloadsAllTheThings 这类武器库。值得注意的是它没有停留在传统 CVE 扫描，而是大量收录了 OWASP Top 10 之外的新型攻击面：CORS 滥用、JWT 密钥混淆、NoSQL 注入、GraphQL 深度查询滥用等。

🔵 防守侧（Blue Team / DevSecOps）

包含 SAST 代码分析、依赖与容器供应链扫描、密钥泄漏检测、网络漏洞管理、TLS/SSL 测试、输入净化加固、对抗模拟与紫队协作。这部分对甲方安全团队与研发团队的 DevSecOps 落地价值最高。

🤖 AI / LLM 安全（该仓库真正的差异点）

这是它区别于普通 awesome-cybersecurity 清单的地方，被拆成 5 个子类：

• AI 驱动的进攻智能体：strix、PentestGPT、CAI（Cybersecurity AI）、hackingBuddyGPT、Nebula、Colibri 等自主渗透智能体；- LLM 红队与漏洞扫描：NVIDIA garak、微软 PyRIT、promptfoo、deepteam（对齐 OWASP LLM Top 10）、agentic_security、agentic-radar（静态分析 Agent 工作流的过度自主性风险）；- LLM 防御与护栏：LLM Guard、Rebuff、Vigil、Giskard；- 无审查 / 本地模型：heretic 自动去审查，以及 Huihui-CyberStrike-OffSec-35B 等面向红队推理的 abliterated 模型；- 框架与知识库：MITRE ATLAS、OWASP GenAI Top 10。

三、类比：它更像"菜谱索引"而不是"菜"

这是使用这个仓库时必须先想明白的一点。它不提供任何可执行代码，仓库里只有 README.md（35KB）、CONTRIBUTING.md、LICENSE 和一张 1.3MB 的 logo.png。类比来说：它是一本菜谱目录，而不是一桌菜。你按索引跳转到上游项目（大多为 Go / Python / Rust 编写的独立工具），那些项目才是真正需要部署、配置和维护的东西。 这带来一个务实的推论：不要把它当成采购清单，而是当成"选型地图"。当你要给团队搭建一条 LLM 红队流水线时，先在这份清单里圈出候选（garak、promptfoo、deepteam），再去各自仓库评估活跃度、许可证与接入成本。

四、上手门槛：近乎为零，但也别指望开箱即用

克隆成本可以忽略（仓库仅 1.5MB），无任何运行时依赖、无需 Python/Node 环境、无 Docker 配置、不占 GPU、不到 1MB 磁盘即可阅读。它同时支持两种消费方式：本地 Markdown 阅读器（推荐 VS Code 预览或 glow），以及直接访问 GitHub 在线浏览。 真正的成本在下游——清单里的每一个工具都是独立项目，普遍需要单独安装依赖、配置 API Key（Shodan、Chaos、HuggingFace）、学习各自的命令行参数。对新人来说，250+ 条目反而可能造成选择瘫痪；建议从自己最熟悉的那一类（红队 recon 或 LLM 红队）切入，先跑通 3-5 个再横向扩展。

五、争议与局限

其一，安全双刃性。 仓库同时收录了大量可用于攻击的工具与去审查模型，README 虽在开头用 WARNING 块和结尾免责声明强调"仅限授权测试与教育用途"，但把脱敏大模型与渗透 Payload 汇总在同一处，本身就提高了误用风险。对于企业内网环境，审计与白名单管理是必须配套的动作。 其二，时效性与质量不均。 awesome list 的通病是"链接活着≠工具还维护"。清单收录了 ax（Axiom 分叉）、heretic 等较新项目，也包含一些已被上游替代或停止维护的工具（如部分早期红队脚本）。仓库未提供每个条目的"最后验证时间"或"上游活跃度"标签，读者需自行去上游仓库确认。 其三，覆盖广度换来了深度不足。 多数条目只有一句话说明，缺少选型对比、安装示例与版本兼容信息，真正落到"我要做 LLM 应用红队测试"这个具体场景，仍需自行补齐评测维度。 其四，单点维护风险。 仓库主要由 pazo01 一人维护（4 位贡献者、24 次提交），作者的个人偏好与精力决定了目录演进的连续性。

六、行业意义：为什么"AI 安全清单"会单独成类

2026 年最明显的安全趋势之一，是 LLM 应用把攻击面从"Web 服务器"扩展到了"提示词与工具调用链"。传统漏洞扫描器看不见提示词注入，看不见 Agent 的过度自主性（excessive agency），也看不见 MCP 服务器被投毒。MITRE ATLAS 的出现、OWASP LLM Top 10 的普及，都说明行业正在为这类新型风险建立独立的知识体系。 awesome-cyber-ai-arsenal 的价值恰恰在于它把这条新战线与传统红蓝对抗放在同一张表里：读的人可以在同一页里看到"Atomic Red Team 式的对抗演练"和"agentic-radar 式的 Agent 静态分析"，理解 AI 安全的攻防两侧其实是同一条战线。这比分散在几十个独立列表里的碎片化信息更有参考价值。

七、给不同角色的使用建议

• 安全工程师：当作 recon 工具速查表，日常按阶段检索，比在搜索引擎里翻收藏夹快得多；- AI 应用研发：重点看「LLM Red Teaming」与「LLM Defense / Guardrails」两节，直接选型 promptfoo / garak / LLM Guard 三件套作为起点；- 技术管理者：把「AI 安全框架与知识库」中的 MITRE ATLAS、OWASP LLM Top 10 纳入内部安全基线文档；- 安全合规团队：注意去审查模型与 Payload 库条目，评估内部仓库托管与访问控制策略。

结语

它不炫技，不提供代码，但它把一个正在爆炸式扩张的交叉领域——网络攻防 × AI 安全——压缩成了一页可检索的地图。对于每天要在几十个工具之间做选择的安全从业者而言，一份维护得足够勤快的索引，价值可能高于十个跑不动的框架。唯一的建议是：把它当起点，不要当终点。