Huntr

Huntr

Huntr là nền tảng thưởng lỗ hổng đầu tiên trên toàn cầu tập trung vào lĩnh vực trí tuệ nhân tạo và học máy, nhằm thông qua sự hợp tác của cộng đồng nghiên cứu an toàn, phát hiện và báo cáo các lỗ hổng bảo mật trong các dự án AI/ML nguồn mở, thư viện và định dạng tệp mô hình, từ đó nâng cao an toàn cho toàn bộ hệ sinh thái.
Đánh giá:
5
Truy cập website
Nền tảng thưởng lỗ hổng AILỗ hổng bảo mật cho học máyPhát hiện lỗ hổng trong tệp mô hìnhKiểm thử bảo mật AIAn toàn dự án AI nguồn mởNền tảng báo cáo lỗ hổngAn toàn chuỗi cung ứng AICộng đồng nhà nghiên cứu bảo mật

Tính năng của Huntr

Cung cấp một cửa nạp báo cáo lỗ hổng thống nhất dành cho các ứng dụng AI/ML nguồn mở, thư viện và định dạng tệp mô hình
Thiết lập chuyên mục lỗ hổng tệp mô hình, bao phủ an toàn cho 56 định dạng tệp mô hình
Quản lý quy trình chuẩn hóa từ nộp lỗ hổng, xác nhận, thưởng đến công khai
Phân bổ số hiệu CVE cho lỗ hổng nguồn mở được xác thực và phối hợp với người bảo trì để sửa chữa
Tụ họp các nhà nghiên cứu an toàn và nhà duy trì nguồn mở, hợp tác nâng cao an toàn cho hệ thống AI
Tích hợp với công cụ quét Guardian, tăng cường khả năng phát hiện an toàn cho các định dạng tệp mô hình
Cung cấp cộng đồng Discord và blog cùng các tài nguyên khác để hỗ trợ nhà nghiên cứu an toàn

Trường hợp sử dụng của Huntr

Các nhà nghiên cứu an toàn khi phát hiện các lỗ hổng bảo mật tiềm ẩn trong các thư viện hoặc khung AI nguồn mở có thể nộp báo cáo lỗ hổng có trách nhiệm
Các doanh nghiệp khi đánh giá độ an toàn của các tệp mô hình AI đang sử dụng có thể tham khảo thông tin lỗ hổng được nền tảng công khai
Người duy trì dự án nguồn mở nhận báo cáo lỗ hổng từ cộng đồng qua nền tảng và tiến hành sửa chữa
Các tổ chức khi xây dựng hệ thống an toàn chuỗi cung ứng AI có thể dùng nền tảng để nắm biết các rủi ro đã biết của các thành phần AI phổ biến
Khi các nhà nghiên cứu tiến hành kiểm tra bảo mật cho một định dạng tệp mô hình cụ thể, họ có thể dùng danh mục chuyên môn của nền tảng để nộp phát hiện

FAQ về Huntr

QHuntr là nền tảng gì?

Huntr là nền tảng thưởng lỗ hổng đầu tiên trên toàn cầu tập trung vào lĩnh vực AI và học máy, kết nối các nhà nghiên cứu an toàn với các dự án nguồn mở AI, thông qua công bố lỗ hổng có trách nhiệm để nâng cao an toàn của hệ sinh thái AI.

QHuntr bao phủ những loại lỗ hổng chính nào?

Nền tảng chủ yếu bao phủ hai loại lỗ hổng: lỗ hổng trong tệp mô hình, liên quan đến định dạng tệp mô hình học máy và quá trình tải; và lỗ hổng nguồn mở, liên quan đến các lỗ hổng bảo mật trong các ứng dụng và thư viện AI/ML nguồn mở.

QLàm thế nào để nộp báo cáo lỗ hổng trên Huntr?

Các nhà nghiên cứu có thể nộp báo cáo lỗ hổng thông qua mẫu an toàn do nền tảng cung cấp; nền tảng sẽ liên hệ với người duy trì liên quan để xác minh và quản lý các bước thưởng và công khai sau đó.

QMức tiền thưởng lỗ hổng trên nền tảng Huntr là bao nhiêu?

Khoản tiền thưởng tùy thuộc mức độ nghiêm trọng của lỗ hổng và dự án; thông tin công khai cho biết thưởng từ 0 USD đến 4000 USD, cụ thể theo danh sách dự án thưởng được công bố trên nền tảng.

QHuntr xử lý các lỗ hổng đã nộp như thế nào?

Sau khi nhận báo cáo, nền tảng sẽ liên hệ với người bảo trì và cấp 31 ngày để trả lời. Đối với lỗ hổng có nguy cơ cao hoặc nghiêm trọng, nếu người bảo trì không phản hồi, nền tảng có thể xử lý thủ công trong vòng 14 ngày. Lỗ hổng hợp lệ sau khi xác nhận sẽ được nhà nghiên cứu nhận tiền thưởng.

QCác báo cáo lỗ hổng trên Huntr có công khai không?

Theo quy định nền tảng, các báo cáo lỗ hổng nguồn mở thường được công khai sau 90 ngày kể từ khi xác nhận sửa chữa, và có thể xin gia hạn; báo cáo lỗ hổng tệp mô hình thường không được công khai.

QAi có thể sử dụng nền tảng Huntr?

Nền tảng chủ yếu dành cho các nhà nghiên cứu an toàn, người duy trì dự án AI nguồn mở, cũng như các tổ chức và cá nhân quan tâm đến an toàn chuỗi cung ứng AI. Người dùng cần đăng nhập và đồng ý với điều khoản dịch vụ để sử dụng các chức năng chính.

QNền tảng Huntr hỗ trợ những định dạng tệp mô hình nào?

Chương mục lỗ hổng tệp mô hình của nền tảng bao phủ 56 định dạng, bao gồm safetensors, GGUF và các định dạng tệp mô hình máy học phổ biến khác.