Databricks推出开源AI红队工具箱BlackIce，集成14种AI安全工具

导语：Databricks日前在CAMLIS Red 2025大会上正式推出了名为BlackIce的开源容器化工具箱，为AI红队测试提供一站式解决方案。该工具箱集成了14种主流AI安全工具，被誉为“AI安全领域的Kali Linux”，有效解决了繁琐的环境配置和依赖冲突问题，让安全人员能更专注于漏洞挖掘。

打造AI安全领域的“Kali Linux”

随着AI的普及，针对大模型的安全测试变得至关重要。然而，安全研究人员在实际工作中面临着四大痛点：

1. 每个工具都有独特的配置要求，耗时耗力；

2. 不同工具之间存在严重的依赖冲突，往往需要独立的运行环境；

3. 托管的Notebook环境通常每个内核仅支持一个Python解释器；

4. 新兴工具层出不穷，新手难以快速上手。

为了解决这些问题，Databricks推出了BlackIce。其设计灵感来源于传统渗透测试领域的Kali Linux，旨在通过提供一个开箱即用的Docker容器镜像，让红队测试人员跳过繁琐的安装配置环节，直接进入测试流程。

核心功能与包含的工具

BlackIce并不是简单的工具堆砌，它提供了一个版本锁定的Docker镜像，通过统一的命令行界面（CLI）暴露功能。在首发版本中，BlackIce集成了14款精选的开源工具，覆盖了负责任AI（Responsible AI）、安全测试以及经典对抗性机器学习等领域。

以下是部分集成的核心工具（按GitHub star数排序）：

为了确保工具的实用性，Databricks将BlackIce的能力映射到了MITRE ATLAS和Databricks AI安全框架 (DASF)。这意味着该工具箱可以覆盖关键的安全领域，包括：

技术架构：静态与动态的分离

在技术实现上，BlackIce采用了巧妙的架构来解决依赖地狱：

• 静态工具：这类工具通常只需要简单的CLI交互。BlackIce将它们安装在隔离的Python虚拟环境（或独立的Node.js项目）中，确保彼此的依赖互不干扰，但都可以通过全局CLI直接调用。

• 动态工具：对于需要支持高级Python自定义脚本的工具，BlackIce将其安装在全局Python环境中，并通过global_requirements.txt文件来统一管理依赖冲突。

此外，Databricks还对部分工具进行了自定义 Patch，使其能够开箱即用地直接与Databricks Model Serving端点进行交互，无需用户手动修改代码。

如何获取

目前，BlackIce的镜像已上传至Databricks的Docker Hub。用户可以通过以下命令拉取最新的LTS版本：

docker pull databricksruntime/blackice:17.3-LTS

对于使用Databricks工作空间的用户，可以在创建集群时配置Databricks Container Services并指定上述镜像URL，即可在Notebook中编排多个AI安全工具进行综合测试。

声明：本文来自玄月调查小组，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。