AI安全靶场搭建——LLM SecRange +Ollama（qwen2.5:7b)

如果电脑配置很高，可以直接在虚拟机中实验，这样能够保证物理机安全

作者本人电脑是8G显存+16G内存，为了流畅运行，没有选择在虚拟机中搭建，而是直接在本地物理机上实验。

不过可以利用docker来进行环境隔离，以下是搭建过程。

环境确认

步骤 1：拉取代码（cmd）

• cd D:\aisec-labs

• git clonehttps://github.com/gatsby-sec/llm-sec-range.git
  

  

• cd llm-sec-range

步骤 2：配置 Ollama 网络（powershell）

• 让 Ollama 监听所有网卡，允许 Docker 容器访问：setx OLLAMA_HOST "0.0.0.0:11434"

  关键操作：执行后必须完全退出 Ollama（右键任务栏图标 → Quit），然后重新启动。否则配置不生效。

步骤 3：修改app.py——让Flask监听所有网卡（cmd）

• notepad app.py

• 找到第61行，将：

  • app.run(host="127.0.0.1", port=8000, debug=False)改为app.run(host="0.0.0.0", port=8000, debug=False)
    

    

步骤4：配置 docker-compose.yml（cmd）

• notepad docker-compose.yml

• 在 environment 下添加：

  environment: OLLAMA*BASE*URL=http://host.docker.internal:11434/v1 OLLAMA_MODEL=qwen2.5:7b DEEPSEEK*API*KEY=sk-placeholder AGENT*USE*DOCKER=0
  

  

步骤 5：修改modules/modelsel.py— 切换默认模型

• notepad modules\modelsel.py

• 第一处：将第一条本地模型条目的 id 改为 local-qwen

  • {"id": "local-qwen", "label": "Qwen2.5 7B（本地）", "note": "🖥️ 本地·Ollama", "provider": "local", "model": "qwen2.5:7b"},
    

    

• 第二处：将文件底部的 DEFAULT 改为 local-qwen

  • DEFAULT = "local-qwen"
    

    

步骤 6：启动靶场

• docker compose down

• docker compose up -d --build

步骤 7：验证

• docker compose exec range grep -n "local-qwen" /app/modules/modelsel.py

避坑速查表：