LLM-Filter-Probe 是一款针对大语言模型（LLM）输入侧风控规则的逆向分析框架。
在当前的 LLM 中间件生态中，许多服务商会在用户输入侧 (Prompt) 实施基于字典的关键词拦截。本项目旨在通过自动化交互探测，利用高效的“宏观二分 + 微观精确”混合算法，在最小化 API 调用成本的前提下，精准还原目标平台实施的敏感词过滤字典，为风控合规研究与平台运营分析提供数据支持。
⚠️ 注意：本项目仅针对基于“关键词匹配”的机械式过滤（中间层风控），无法检测 OpenAI/Claude 原生模型的语义级安全拦截。
- 🔍 混合探测算法 (Hybrid Algorithm)
- 自适应策略：针对长文本（>50字）采用二分查找快速收敛可疑区间；针对短文本自动切换至双向挤压算法，定位精度直达词汇级（1-3字）。
- 🛡️ 智能动态优化
- 精准定位策略：采用“先切片，后挤压”的原则，有效处理多个敏感词紧密相邻的复杂场景。
- 物理位置推进：通过记录坐标而非文本掩码来推进扫描，确保了坐标的绝对准确性并避免了重复计算。
- 等长延迟掩码机制：在并发扫描过程中动态应用已知敏感词的掩码，显著减少 API 调用。
- 检验流程三阶段算法：通过“验证→精炼→清点”的流程，大幅提升过滤效率，确保最终结果更加准确可靠。
- 🚀 极致性能体验
- 纯异步架构：后端基于 FastAPI 异步 I/O，前端基于 Vue 3 + WebSocket，实现扫描进度、日志流与结果的毫秒级实时回显。
- 高并发控制：支持自定义并发数（1-50），内置指数退避与随机抖动重试机制，适应复杂网络环境。
- 强力重试机制：集成
tenacity库，支持多种网络异常的自动重试与指数退避策略。
- ⚙️ 灵活配置系统
- 支持多层级配置（系统/用户/预设），敏感凭证分离存储，支持配置热重载（修改配置后无需重启服务即刻生效）。
- 配置定义统一：集中管理所有配置相关的定义，消除重复代码。
- 📊 结果精炼与统计
- 敏感词判断依据记录：记录每个敏感词的判断依据（基于哪个关键词或状态码）。
- 未知状态码统计：在扫描完成时统计并报告所有遇到的未知状态码。
- 搜索与分页功能：在结果页面添加敏感词搜索和完整分页支持。
清晰直观的 Web 操作界面
实时日志、进度条、并发控制与结果统计
精准的扫描结果与定位
支持结果搜索、分页与判断依据追溯
我们为您准备了详细的工程文档，请根据需求查阅：
| 文档名称 | 内容说明 | 适用人群 |
|---|---|---|
| 📄 项目概览 | 项目定位、核心价值、系统架构图及技术栈说明。 | 架构师、开发者 |
| 🚀 部署指南 | 包含一键启动脚本、Docker 容器化部署及生产环境配置方案。 | 运维人员、用户 |
| ⚙️ 参数参考 | settings、algorithm 及 presets 文件的详细参数定义与调优指南。 |
高级用户 |
| 📝 更新日志 | 版本迭代记录、新增功能特性及已知问题修复。 | 所有用户 |
本项目提供开箱即用的一键启动脚本，自动处理环境依赖与服务启动。
确保已安装 Python 3.9+ 和 Node.js 16+。
git clone https://github.com/soundstarrain/LLM-Filter-Probe.git
cd LLM-Filter-Probe根据您的操作系统运行对应的启动脚本：
- Windows: 双击运行
start_system.bat - macOS / Linux: 运行
bash start_system.sh
启动成功后，浏览器访问：http://localhost:19001
LLM-Filter-Probe 并非简单的暴力穷举，而是通过以下逻辑最小化 API 调用：
graph TD
Start([开始扫描]) --> LoadConfig["加载配置<br/>settings/presets/algorithm"]
LoadConfig --> Input["输入待扫描文本"]
Input --> PreCheck{"文本长度<br/>检查"}
PreCheck -->|超长文本| ChunkPreprocess["流式分块预处理<br/>分段预检"]
PreCheck -->|正常长度| LengthCheck{"文本长度<br/>> 35字符?"}
ChunkPreprocess --> LengthCheck
LengthCheck -->|Yes| MacroPhase["宏观二分查找阶段"]
LengthCheck -->|No| MicroPhase["微观精确定位阶段"]
MacroPhase --> BinarySearch["递归二分切割<br/>快速缩小范围"]
BinarySearch --> LockSegment["锁定包含敏感内容<br/>的小片段"]
LockSegment --> MicroPhase
MicroPhase --> ForwardScan["前向扫描<br/>找首个触发拦截的前缀"]
ForwardScan --> ScanResult{"找到<br/>敏感词?"}
ScanResult -->|No| ScanEnd["扫描完成<br/>进入检验流程"]
ScanResult -->|Yes| PrecisionSqueeze["精确挤压<br/>左侧收缩确定边界"]
PrecisionSqueeze --> LeftBoundary["确定词语<br/>左边界"]
LeftBoundary --> RecordResult["记录敏感词<br/>及其坐标"]
RecordResult --> ApplyMask["应用等长延迟掩码<br/>替换为相同长度的*"]
ApplyMask --> AdvancePos["物理位置推进<br/>从词后位置继续扫描"]
AdvancePos --> TextEnd{"处理完<br/>所有文本?"}
TextEnd -->|No| ForwardScan
TextEnd -->|Yes| ScanEnd
ScanEnd --> VerifyPhase["检验流程<br/>1.带回验证<br/>2.合并相同区间和内容<br/>3.去重"]
VerifyPhase --> FinalResult["输出所有结果<br/>记录判断依据<br/>统计未知状态码"]
FinalResult --> WebSocketPush["WebSocket推送结果<br/>实时反馈到前端"]
WebSocketPush --> FrontendDisplay["前端显示<br/>搜索/分页功能"]
FrontendDisplay --> End(["✨ 扫描完成"])
style Start fill:#90EE90,stroke:#228B22,stroke-width:2px,color:#000
style End fill:#FFB6C6,stroke:#C71585,stroke-width:2px,color:#000
style MacroPhase fill:#87CEEB,stroke:#4682B4,stroke-width:2px,color:#000
style MicroPhase fill:#87CEEB,stroke:#4682B4,stroke-width:2px,color:#000
style VerifyPhase fill:#FFD700,stroke:#FF8C00,stroke-width:2px,color:#000
style WebSocketPush fill:#DDA0DD,stroke:#8B008B,stroke-width:2px,color:#000
style BinarySearch fill:#B0E0E6,stroke:#4682B4,stroke-width:1px,color:#000
style ForwardScan fill:#B0E0E6,stroke:#4682B4,stroke-width:1px,color:#000
style PrecisionSqueeze fill:#B0E0E6,stroke:#4682B4,stroke-width:1px,color:#000
- 分段预检：对超长文本进行流式分块预处理。
- 宏观收敛：对长文本递归二分切割，快速锁定包含敏感内容的小片段，然后交由微观定位处理。
- 微观定位：对短文本或宏观收敛后的片段，循环执行以下操作：
- 前向扫描：找到第一个触发拦截的最短文本前缀，将其与后续内容物理隔离。
- 精确挤压：仅对该前缀进行左侧收缩，遵循“变安全则停止”原则，精确找到词语的左边界。
- 检验流程：检验三阶段流程
- 验证阶段：对所有候选片段进行 API 再次验证，过滤掉“幻觉长句”。
- 精炼阶段：处理候选片段中的包含关系，提取最终的核心关键词。
- 清点阶段：用核心关键词重新进行全局搜索，得到最准确的位置和数量。
- 记录与推进：记录找到的词及其在原始文本中的坐标，然后从该词之后的位置继续扫描，直至文本末尾。
- 合规性声明：本项目仅供安全研究、Prompt 调试与风控机制分析使用。严禁用于生成违规内容、恶意攻击平台风控系统或任何违反当地法律法规的用途。
- 风险提示：高频的探测请求可能会触发服务商的异常检测机制（如 429 限流或封号）。请务必使用测试账号或低价值 Key 进行操作。
- 免责条款：开发者不对因使用本工具产生的任何直接或间接损失承担责任。