ctf-ai-ml

ctf-ai-ml 是原项目中面向 AI 和机器学习题的 Skill。

它覆盖模型攻击、对抗样本、LLM 攻击、数据投毒、模型抽取等主题。随着 CTF 中 AI 题增多，这类 Skill 的价值会越来越明显。

什么时候使用

适合进入 ctf-ai-ml 的信号：

• 题目给出模型文件、权重、数据集、推理接口
• 需要让模型误分类或绕过检测
• 涉及 adversarial examples、model extraction、membership inference
• 涉及 prompt injection、jailbreak、token smuggling、上下文操纵
• 题目要求分析训练数据、后门或模型行为

如果题目只是普通聊天机器人 Web 页面，可能仍然是 ctf-web。如果只是文件格式或编码问题，可能是 ctf-misc。

原项目中的内容范围

ctf-ai-ml 的补充文件包括：

文件方向	说明
model-attacks.md	模型抽取、反演、成员推断等
adversarial-ml.md	对抗样本和分类绕过
llm-attacks.md	LLM prompt injection、jailbreak 等

这个 Skill 的范围集中在 AI/ML 安全题，而不是普通 AI 工具使用教程。

Agent 应该如何使用它

AI/ML 题的第一步是确认对象：

• 是传统 ML 模型，还是 LLM 应用？
• 给的是模型文件，还是远程推理接口？
• 目标是误分类、泄露、提取、绕过，还是恢复数据？
• 是否有训练集或测试集？
• 是否允许多次查询？

Agent 应该先明确攻击面，再选择模型攻击、对抗样本或 LLM prompt 方向。

提示

AI/ML 题和普通“用 AI 解题”不是一回事。这里的 AI/ML 是题目本身的对象。

和其他 Skill 的交叉

AI/ML 题也可能混合其他方向：

• LLM Web 服务：可能涉及 ctf-web
• 模型文件格式：可能涉及 ctf-forensics
• 反编译推理程序：可能涉及 ctf-reverse
• prompt 注入中的编码绕过：可能涉及 ctf-misc

ctf-ai-ml 的作用是当题目核心变成模型行为时，给 Agent 提供专门路线。

新手阅读重点

读 ctf-ai-ml 时，要区分三件事：模型攻击、对抗样本、LLM 攻击。它们都属于 AI 安全，但输入材料、工具和验证方式不同。

小结

ctf-ai-ml 是原项目中处理 AI/ML CTF 的 Skill。它适合在题目核心对象是模型、数据或 LLM 行为时使用，而不是替代其他方向 Skill。