AI 模型分析入口（分流器）

任务分类器（输入形态 → 路径）

拿到 AI 相关目标后先判输入形态，命中即转对应技能：

输入形态	路径
拿到模型文件（.onnx / .pt / .pth / .safetensors / .tflite）	→ [[re-ai-model]]（文件层：格式解析 / 结构还原 / 权重提取 / 文件级水印）
只有 API（无文件，黑盒接口）	→ [[re-ai-attack]]（行为层：extraction / fingerprint / privacy / robustness 评估；guard 授权前置）
文件 + API 都有	→ 先 [[re-ai-model]]（文件侧取证）→ 再 [[re-ai-attack]]（行为侧验证）
发现恶意行为（投毒 / 后门 / 恶意载荷 / 下载执行）	→ 恶意分析（当前：[[re-ai-model]] 安全边界处理 + [[re-behavior]]；未来独立 re-ai-malware 承接）
模型被打包进可执行（PyInstaller/pyarmor 等）	→ 先 [[re-binary-core]] 拆包 → 拆出的模型文件回本技能分流

何时使用 / 何时不用

• 用：用户说「分析这个模型 / AI 模型安全 / 模型泄露」但未指明输入形态——先分流
• 用：不确定目标是文件层还是行为层时——先识别再转
• 不用：输入形态已明确（直接进 [[re-ai-model]] 或 [[re-ai-attack]]，不绕本技能）
• 不用：非 AI 目标（走全局入口 [[re-analyze]]）
• 不用：训练 / 微调 / 部署（非逆向）

工具准备

本技能只做识别与分流，工具轻量：

python3 / file —— 模型文件识别

• python3 安装与验证见 [[re-python]] 工具准备
• file：Linux apt install file / dnf install file / pacman -S file（多数预装）；验证 file --version
• 验证：python3 -c "import struct"（标准库）

模型库探测（判断目标依赖，不加载模型）

• pip list 2>/dev/null | grep -iE 'torch|tensorflow|onnx'——确认本机可解析目标格式；缺失时由下游技能引导安装

操作步骤

1. 输入形态识别：
   • 用户给了路径/文件 → 先 file <path>（onnx：file 常报 data——以 xxd 首字节 protobuf 头（08 08）+ strings producer 名辅助识别；safetensors：JSON metadata 头；pt/pth：pickle 或 zip 容器；tflite：tflite 标识）→ 转 [[re-ai-model]]
   • 用户只有 API 端点/查询能力 → 转 [[re-ai-attack]]
   • 两者都有 → 按任务分类器先文件后行为
2. 目标归属确认：文件/API 的持有方与授权（自有 / 授权测试 / CTF·研究）——行为层评估前必须确认（[[re-ai-attack]] guard 前置；授权上下文见 triage 第 0 步 RE_AUTH）
3. 转交与记录：明确转交技能 + 会话变量（RE_GOAL、RE_AUTH、输入形态标记），不在本技能做深度分析

跨域联合

• [[re-managed]]：本技能是其 AI 分支的第一跳（re-managed → re-ai-triage → re-ai-model / re-ai-attack）
• [[re-ai-model]]：文件层下游
• [[re-ai-attack]]：行为层下游（guard 授权前置）
• [[re-binary-core]]：模型打包进可执行时的拆包前置
• [[re-behavior]]：恶意行为侧协作（投毒/后门的行为判定）

常见坑与陷阱

• 拿文件名猜格式：.pt 可能是 pickle 也可能是 zip 容器（torch 新格式）、.bin 可能是任意权重 dump——以 file 输出与魔数为准，不靠扩展名
• 分流过深：本技能只识别与转交，不展开分析——在分流阶段做深度分析会与下游重复
• 授权前置遗漏：行为层评估（[[re-ai-attack]]）有 guard 授权要求——转交前先确认 RE_AUTH，未知归属时先询问，不直接进入行为层