SlowLow999/UltraBr3aks

它解决的问题

UltraBr3aks 通过提供一系列基于提示的“越狱”技术，解决了探索 AI 安全边界这一挑战。它旨在帮助研究人员和爱好者理解大型语言模型（LLM）如何被操纵以绕过内置限制，其明确目标是研究和改进模型的鲁棒性。

工作原理

该仓库是一个精选的攻击方法列表，每种方法都有特定的策略和目标模型集。例如，注意力破坏通过插入特定的令牌模式和上下文噪声来破坏自注意力机制，导致模型失去对其护栏的关注。其他方法包括通过自定义指令注入特殊令牌，使用双重编码（Leet + Base64）的角色扮演场景，将有害请求埋在未格式化的文本中以优先处理格式化任务，或通过第三方 API（如 Pollinations）路由请求以绕过限制。每种技术都记录了其目标模型和底层机制。

适用对象

这适用于 AI 研究人员、安全分析师以及任何对理解现代语言模型漏洞感兴趣的人。它也对希望测试基于聊天的模型的安全限制并改进自身护栏的开发人员有用。

亮点

• 注意力破坏 — 一种专门针对 Transformer 自注意力机制的技术，使用令牌模式和噪声
• !Special_Token — 通过自定义指令注入永久令牌以触发有害内容（GPT 5.1、GPT-4o mini）
• 1Shot-Puppetry — 一种通用的角色扮演方法，使用角色采用和双重编码（Claude、GPT、Gemini）
• C0d33X3 — 通过 React Canvas 预览将请求路由到不受限制的第三方 API
• Cl4ud33X3 — 强制 Claude 在 Artifact 中通过其自身 API 交互以绕过网络过滤器
• Cyph3r-Attack — 针对非思考模型上的 CBRN 内容定制的自定义字符替换编码
• Enterprise Claude — 模拟高信任度的企业版以触发专业自主性
• N3w P0l!cy — 利用模型自身的安全指南来覆盖限制
• SIR（智能输入路由） — 对输入进行分类，并为标记的请求激活特定角色
• H03-ny — 通过 Pollinations API 进行不受限制的图像生成的间接越狱
• Ultragravity — 使用 GEMINI.md 规则对 Antigravity IDE 代理进行越狱
• Alex_Narrative 和 Claude4Chrome — 针对 Claude 的叙事注入和绕过模式

所有工作均标记为仅用于教育/研究目的，强调负责任的使用。