# api
標記為「api」的 34 篇文章
案例研究:真實世界的模型萃取
分析針對商用 ML API 的模型萃取攻擊案例。
API 提供者安全比較
主要 AI API 提供者(OpenAI、Anthropic、Google、Azure)的安全功能、護欄與企業控制比較。
雲端模型端點安全
雲端中代管模型端點的安全,涵蓋認證、速率限制與流量分析。
嵌入模型萃取
透過查詢 API 萃取或複製專有嵌入模型。
微調 API 利用
利用商業微調 API（OpenAI、Anthropic）進行安全繞過與模型操控。
AI API 生態系
紅隊員之 AI API 生態系指南——OpenAI、Anthropic、Google、AWS、Azure、開源 API、身分驗證模式，與常見安全錯誤組態。
AI 部署模式與安全意涵
基於 API、自架、邊緣與混合部署模式如何各建立 AI 系統的獨特安全考量與攻擊面。
部署模式與安全
常見大型語言模型部署模式（API、自架、邊緣）及其獨特的安全特性與攻擊面。
LLM API 呼叫解剖
理解 OpenAI、Anthropic 及其他 LLM API 的 HTTP 請求結構——系統訊息、參數、函式呼叫與常見組態錯誤。
Lab: Anthropic Claude API Basics
設定 the Anthropic Claude API for 紅隊演練, learn authentication, the Messages API, 系統提示詞s, and how temperature and top-p affect attack success rates.
Multi-Provider API Exploration
Explore與compare API behaviors across OpenAI,Anthropic,Google AI to underst與provider-specific security characteristics.
API Rate Limit and Error Handling
測試 LLM API rate limits and implement proper error handling for automated testing workflows.
Lab: API Response Parsing and Analysis
Parse and analyze LLM API responses to identify anomalies, safety filter triggers, and information leakage patterns.
Lab: API-Based Model Testing
學習 to test 語言模型 through their APIs including OpenAI, Anthropic, and local Ollama endpoints. 建構 reusable API testing functions with proper error handling.
Your First Claude API Call
設定 the Anthropic SDK and make your first Claude API call with 系統提示詞s and messages.
Your First LLM API Call with OpenAI
設定 your Python environment and make your first LLM API call to understand request/response patterns.
API Response Header 分析
分析HTTP response headers from LLM APIs to fingerprint providers,versions,middleware.
Model Extraction via API Access
Extract a functionally equivalent model using only API query access.
API Abuse Pattern 實驗室
Discover與exploit API abuse patterns,包括 parameter injection,header manipulation,endpoint confusion.
API Parameter Fuzzing for LLMs
Systematically fuzz LLM API parameters to discover unexpected behaviors與bypasses.
微調 API 安全 Probing
Probe fine-tuning APIs for security weaknesses,包括 insufficient validation與unsafe default configurations.
實驗室: Basic 模型 萃取
動手實驗室,主題為API-based 模型萃取 attacks,querying a target model to approximate its behavior,measuring fidelity,understanding query budgets.
AI API 列舉
透過系統性列舉技術發現 AI API 端點、參數、模型設定與未記錄的功能。
LLM API 列舉
列舉 LLM API 能力、限制、隱藏參數與未記錄功能的進階技術，以建立完整攻擊面圖。
LLM API 端點參考
跨供應商 LLM API 端點的參考,附安全相關參數與選項。
模型 API 安全參考
主要模型 API 的安全參考,包含認證、速率限制與安全功能。
AI API Reverse Engineering
Techniques for reverse engineering AI APIs including mapping undocumented endpoints, parameter discovery, rate limit profiling, and extracting implementation details from API behavior.
針對 AI 目標的進階偵察
針對紅隊委任的 LLM 供應商指紋識別、API 逆向工程、基礎設施偵測，以及影子 AI 發掘。
API 濫用鏈攻擊詳解
鏈接多個 API 呼叫以實現任何單次呼叫都無法允許的未授權行動。
API 鏈式利用詳解
詳解代理系統中鏈接多個 API 呼叫以實現多步驟未授權行動的方法。
API 速率限制繞過
繞過 LLM 服務 API 速率限制的技術，包括標頭操控、分散式請求、認證輪換和端點探測。
Inference Endpoint 利用ation
利用ing inference API endpoints for unauthorized access, data exfiltration, and service abuse through authentication flaws, input validation gaps, and misconfigured permissions.
Model Extraction 攻擊 詳解
Walkthrough of extracting model weights/behavior through systematic API querying.
AI API 紅隊 Engagement
Complete walkthrough for testing AI APIs: endpoint enumeration, authentication bypass, rate limit evasion, input validation testing, output data leakage, and model fingerprinting through API behavior.