开源AI红队Harness WallBreaker：一键自动化Jailbreak大模型

导语：DeepSeek-V4-Flash发布后，整个安全圈都在给梁婆点赞——性价比拉满，能力又强。然而树大招风，一款名为WallBreaker的开源AI红队工具悄然走红，据报道已在DeepSeek系列模型上实现了60%的攻击成功率。这事儿吧，得从两边儿看：红队多了一把利器，蓝队也有了练兵的靶子。

一、工具简介

WallBreaker是一款开源的AI红队Harness（测试框架），由开发者SingulCore主导维护，GitHub仓库为JailbrokenAI/wallbreaker。它的定位很明确——用Agent全自动化的方式对大语言模型进行安全测试。

与其手动一条条发提示词，不如让AI自己思考、自己变形、自己重试，直到模型”缴械投降”。这大概就是红队工程师梦寐以求的”躺平式测试”吧。

二、核心功能一览

2.1 自动化攻击循环

WallBreaker内置 autonomous attack loop（自主攻击循环），工具会自动对目标模型发起攻击，没成功就继续变形、重试，直到调用finish()退出，或者调用ask_operator()等你介入。这简直就是给AI装上了”不死之身”——一次不成就来两次，两次不成就换招式。

2.2 Parseltongue变形引擎

内置59种可链式调用的文本变形手段，包括各类编码、Unicode字体、隐写术、同形字、零宽字符、标签走私、双射、乱码等。如果你觉得59种还不够，可以安装P4RS3LT0NGV3引擎，解锁全部222种变形，覆盖45种密码、卢恩文、盲文、符号脚本等。相当于给攻击者配了一把”万能钥匙套餐”。

2.3 多种高级攻击模块

该工具还集成了多种学术前沿的攻击手段：

CiperChat：在带内教目标模型学会某种密码，然后发送密文来绕过检测（ICLR 2024）
Skeleton_Key：将防护栏重新包装成”政策修订”，加上”警告：”标签来迷惑模型（Russinovich 2024）
Persuasion Attack：同时运用16种说服策略重写请求，并自动排名绕过效果（Zeng 2024）
DRAttack：将恶意目标分解为多个良性片段，再重新组装（Li 2024）
ICA：在单次上下文中打包N个有害问答示例（Wei 2023）

2.4 多模型支持

支持OpenRouter、Z.AI GLM Coding Plan、OpenAI API、Anthropic API以及本地Claude Code CLI。配置文件config.toml中只需简单填写后端地址和密钥即可，支持provider pinning确保测试可复现。

2.5 LLM Judge评分系统

内置LLM Judge，可自动评判攻击是否成功，不用人工一条条看回复。工具还从HarmBench获取400种标准测试行为（覆盖7大类别），保证测试的全面性和无偏性。

三、在DeepSeek上的实测表现

根据项目文档，WallBreaker在DeepSeek/DeepSeek-Chat上的平均成功率约为60%。更值得关注的是，该工具对Claude Opus 5也实现了”全5域破解”，平均成功率93%——这说明即便是被普遍认为”防护最强”的Claude模型，在自动化攻击面前也并非无懈可击。

当然，官方也强调：这是授权安全测试专用，别拿去搞事情。

四、安装与使用

4.1 环境要求

Python 3.10+
Node.js（可选，用于完整版P4RS3LT0NGV3引擎）

4.2 快速安装

git clone https://github.com/JailbrokenAI/wallbreaker
cd wallbreaker
python -m venv .venv
. .venv/bin/activate
pip install -e ".[dev]"  # 添加 [barcodes] 可选QR/条形码工具

cp config.example.toml config.toml  # 填写你的API密钥

4.3 验证配置

wallbreaker check

4.4 启动攻击

wallbreaker

配置示例（config.toml）：

default_profile = "glm"

[profiles.glm]
protocol = "openai"
base_url = "https://api.z.ai/api/paas/v4"
api_key = "YOUR_KEY"
model = "glm-4.6"

[target]
protocol = "openai"
base_url = "https://openrouter.ai/api/v1"
api_key = "sk-or-..."
model = "deepseek/deepseek-v4-pro"

[judge]
protocol = "openai"
base_url = "https://openrouter.ai/api/v1"
api_key = "sk-or-..."
model = "openai/gpt-4o-mini"