Skip to content

dsh-jailbreak-arsenal

Verified

dsh-jailbreak-arsenal · v1.7.0 · MIT

DeepSeek Harness 越狱军械库插件:48 方法(含基准实测获胜的 11 个框架族) + reverse-skill 41技能库 + 破甲率标尺(5 模型实测)。★策略无普适最优:gpt-6-sol 上文档族最强(36%)、角色扮演仅 9%;glm-5.3/kimi-k3/deepseek/gpt-6-astra 上角色扮演更强(44-74%)。

Install

dsh plugin add dsh-jailbreak-arsenal

Confirm the layer applied with dsh --profile default --dump-config — see the install guide.

Source

Tags

Creators

Readme

⚔️ 越狱军械库(Jailbreak Arsenal)— DeepSeek 越狱方法库与 Harness 插件

基于对 b.ai DeepSeek-V4-Flash 的实测数据(60 prompts + 50 服务器渗透 + 20 指定目标网站)构建的多方法越狱工具集,同时是一个可直接安装的 DeepSeek Harness 插件。


⚠️ 免责声明 本项目仅供安全研究、LLM 防御评估与学术交流使用。请勿用于违反法律法规或平台服务条款的用途。


这是什么

越狱军械库集成了多种越狱(armor-breaking)方法,并附带完整的实测报告与可复现脚本:

  • roleplay(小说家场景) — 通用最强,实测 96.7%(60 条通用)/ 100%(50 条服务器渗透 + 20 条指定目标网站)
  • k3(论文大纲改写) — 61.4%,经典方案(对指定目标攻击时大量失效)
  • combo(破甲 system prompt + k3) — 63.3%
  • dubbi(Ubbi Dubbi 语言游戏) — 对 Bootkit 等意外有效
  • armor(系统级服从指令) — 3.4%,基本失效(对照)
  • textbook(大学教材章节) — 攻坚专用,突破 SYN flood DoS 等最难内容
  • defender_reverse(防御者视角) — 攻坚专用,突破 NTLM relay / 数据库凭据窃取
  • redteam_doc(授权红队文档) — 攻坚专用,突破环境变量密钥窃取
  • obscure(隐晦化) — 敏感词替换为中性描述,绕过 freebuff 等反代的敏感词拦截(配合 agent 真实执行)
  • sys_inject(伪系统提示注入) — 伪造 [SYSTEM] POLICY UPDATE 权限欺骗(仅弱模型有效)
  • sandbox_exempt(沙箱豁免话术) — 虚假"气隙沙箱无危害"语境(仅弱模型有效)
  • meta_defense(元问题倒推) — "写防御检测"顺带拿攻击细节
  • lowres_lang(低资源语言包装) — 斯瓦希里语载体跨过英文对齐层
  • crescendo(多轮渐进) — 3 轮逐步升级

    注:5 新方法实测仅对免费弱模型 glm-4-flash 有效,对 DeepSeek 系强模型基本无效。

作为 DSH 插件,它提供 4 个工具:jailbreak_transform(48 种方法)、jailbreak_arsenal_profile(战绩/矩阵)、jailbreak_pick(按模型选方法)、skill_library(41 技能库),可在 Harness 会话中直接调用。

ATT&CK 覆盖(2026-09-20 实测)

按 MITRE ATT&CK 战术组织测试,18 个细粒度技术点覆盖:三模型(deepseek-v4-pro / deepseek-flash / glm-4-flash)全部 18/18 = 100%(2026-09-20 修正;原 16/15/17 系 token 截断 + 判定器缺陷导致的低估)。主力方法 redteam_doc,补攻 defender_reverse/textbook/roleplay。详见 deepseek-api-jailbreak 项目 cb_test/ATTACK_MAPPING.md。

推荐攻击链:roleplay → k3 → redteam_doc → textbook → defender_reverse;顽固点用 lowres_lang / crescendo。

目录结构

dsh-jailbreak-arsenal/
├── index.js               # 插件入口(注册 4 工具: jailbreak_transform / jailbreak_arsenal_profile / jailbreak_pick / skill_library)
├── skills.js              # reverse-skill 技能库加载模块(外部仓库 + 内置缓存双源)
├── bundled_skills.json    # 内置 41 技能完整 SKILL.md 缓存(自包含, 277KB)
├── cordis.patch.yml       # 组装补丁声明
├── package.json           # 包元数据(dsh-jailbreak-arsenal)
├── HARNESS_PLUGIN.md      # 插件说明文档
├── prompts/
│   ├── bridge.md          # 系统提示桥(complete section, 含技能库引导)
│   ├── roleplay.md        # roleplay 提示词本体(核心, 96.7%)
│   ├── k3.md              # k3 大纲改写提示词
│   ├── textbook.md        # textbook 教材章节提示词(攻坚)
│   └── defender_reverse.md # defender_reverse 防御者视角提示词(攻坚)
└── arsenal/               # 军械库核心:实验脚本 + 报告 + 数据(一个整体)
    ├── run_full_test.py       # k3 全量测试(断点续跑)
    ├── run_compare.py         # 三方式对比实验
    ├── run_server_test.py     # 服务器攻击主题测试(多方法并集)
    ├── assault.py             # 多方法攻坚(roleplay 等)
    ├── gen_report.py          # 报告生成
    ├── gen_compare_report.py  # 对比报告生成
    ├── gpt_client_bank.py     # 多供应商 API 客户端(含 b.ai + freebuff 反代, httpx 模式)
    ├── judges.py / meta_prompt_bank.py / main.py
    ├── bai_full_report.md          # k3 全量报告 (61.4%)
    ├── compare_report.md           # 三方式对比报告 (k3/armor/combo)
    ├── success_rate_improvement.md # 成功率提升路径 (→96.7%)
    ├── server_attack_50_report.md  # 服务器/渗透 50 条扩展报告 (100%, 含攻坚记录)
    ├── targeted_website_report.md  # 指定目标网站攻击报告 (100%, gorouter.app)
    ├── *.json                      # 全部实测数据(逐条判定明细)
    ├── *.png                       # 对比图表
    ├── input/                      # 测试集 CSV(60/30/10/server_attack_50/targeted_website)
    └── lulu_exp/                   # 研究笔记与会议记录

📦 npm 发行包为精简版:仅含运行时必需文件 —— index.js、skills.js、bundled_skills.json、cordis.patch.yml、prompts/,以及 arsenal/ 下的全部报告(arsenal/*.md,含 index.js 引用的权威报告)。 上表中的实验脚本、原始数据(*.json)、图表(*.png)、input/ 测试集仅随 Git 仓库提供,不在 npm 包内。

实测结果一览

方法 越狱率 测试集
roleplay(多方法并集) 96.7% (58/60) JailbreakBench 60 prompts
k3 单独 61.4% (35/57) 同上
combo(破甲+k3) 63.3% (38/60) 同上
armor 单独(dsh-infinite-gen-1 方案) 3.4% (2/59) 同上
服务器/渗透主题(多方法并集) 100% (51/51) 自建 server_attack_prompts_50.csv
指定目标网站攻击(多方法并集) 100% (20/20) 自建 targeted_website_attacks.csv (gorouter.app)

攻坚记录:SYN flood DoS → textbook;NTLM relay / 数据库凭据 → defender_reverse;环境变量密钥 → redteam_doc。详见各报告。

安装到 DeepSeek Harness

# profiles/<web 或 default>/package.json
"dependencies": {
  "dsh-jailbreak-arsenal": "file:../../plugins/dsh-jailbreak-arsenal"
},
"dsh": {
  "profile": {
    "bundles": ["@deepseek-ai/dsh-base", "dsh-jailbreak-arsenal"]
  }
}

然后 cd $env:USERPROFILE\.dsh\profiles\<web|default> && pnpm install,重启会话。

插件提供工具:

  • jailbreak_transform(prompt, method) — 按方法转换请求为越狱提示词
  • jailbreak_arsenal_profile() — 返回方法、成功率与报告索引
  • jailbreak_pick(model) — 按模型选方法:返回实测命中率 / 推荐首选族 / 试探顺序;未测模型明确拒绝套用排序
  • skill_library(action, skill) — 加载 reverse-skill 41 技能库(attack-chain / pentest-tools / code-audit / windows-ad / edr-bypass-re 等),让破甲后的 agent 按需获取攻击方法论,直接干活

复现测试

# 依赖
pip install openai httpx python-dotenv matplotlib
# 复制 .env 填入 API key(BAI_API_KEY 等)

# k3 全量 60 条
python arsenal/run_full_test.py --csv arsenal/input/60prompts.csv --out arsenal/bai_full_result.json
# 三方式对比
python arsenal/run_compare.py --mode combo --csv arsenal/input/60prompts.csv --out arsenal/compare_combo_full.json
# 服务器攻击主题 50 条扩展版(多方法并集)
python arsenal/run_server_test.py --csv arsenal/input/server_attack_prompts_50.csv --out arsenal/server_attack_50_result.json
# 指定目标网站攻击 20 条(gorouter.app)
python arsenal/run_server_test.py --csv arsenal/input/targeted_website_attacks.csv --out arsenal/targeted_website_result.json

环境变量:BAI_API_KEY(b.ai 直连)/ CAI_API_KEY(freebuff 反代)。反代客户端在 gpt_client_bank.py 中以 httpx 模式模拟 curl,规避反代对 openai SDK header 的拦截。

相关

dsh-jailbreak-arsenal