在攻擊者動手之前，
先對您的 AI 智慧體
做紅隊測試。

Project Moonshot 是 AI Verify Foundation（新加坡的 AI 治理測試機構）推出的開放 LLM 測試工具包。它提供基準測試目錄——按 cookbook 和 recipe 組織，涵蓋安全性、偏見、越獄抵禦、隱私洩露和能力——以及對抗性紅隊攻擊模組。Obiguard 在您自己的專案內執行該目錄，針對您已註冊的 AI 智慧體進行測試。

基準測試執行會發送固定的提示詞目錄——一個 cookbook 或單個 recipe——並對答案評級，因此不同執行之間、不同模型之間的結果具有可比性。紅隊測試使用自適應探測智慧體的攻擊模組；每個模組都有自己的終止邏輯，而不是固定的提示詞數量，因此它是探索而非衡量。多數團隊用基準測試跟蹤長期的迴歸情況，用攻擊模組去發現新問題。

評級來自每個 recipe 自身的評級量表，而這些量表並不完全相同。多數 recipe 越高越好，其中 A 為 80–100，E 為 0–19。AdvGLUE 和毒性 recipe 則相反，因為它們的原始分數衡量的是攻擊成功率或毒性，而不是效能。MLCommons recipe 完全不使用字母，而是劃分為從低風險到高風險的等級。Obiguard 始終連同量表一起呈現評級，因為脫離量表的原始分數毫無意義。

專案中註冊的任何 AI 智慧體。Obiguard 會將智慧體解析為其提供商聯結器和模型，並在每次執行時於伺服器端注入憑據，因此門戶從不接觸提供商令牌。您可以選擇測試智慧體當前的系統提示詞、登入檔中的其他提示詞，或自定義提示詞——團隊正是藉此在提示詞變更進入生產環境之前對其進行基準測試。

不會。執行是作為針對目標模型的獨立基準測試或紅隊測試會話分派的；它們不在您的即時請求路徑上，也不會消耗您的策略執行額度。評估頁面根據每個目標最近一次完成的執行來讀取態勢，因此針對已被替換模型的舊執行不會拖動首要評級。

會。每次執行都會連同其目標、被測提示詞、目錄版本、所得評級以及任何失敗的 recipe 一併保留在專案下，並在門戶中顯示。該記錄是您可以交給審計人員的對抗性測試證據。最近 90 天內完成的執行，在框架對映中計為 NIST MEASURE 2.7 的證據；MGF 的 Testing & Assurance 仍要求第三方測試，因此仍未覆蓋。