2026/08/09 –, RB102
Google 推出 Gemma 4 的時候附了 model card 和 safety benchmark，但那些數字是 Google 自己測的。如果你用 OWASP LLM Top 10 的標準，從攻擊者視角重新掃一遍，結果會一樣嗎？
這場議程分享我們在 NVIDIA DGX Spark GB10 和 Mac mini M4（MLX）上對 Gemma 4 26B 進行紅隊掃描的完整過程與結果。我們用 OpenClaw 攻擊鏈逐項測試 OWASP LLM Top 10 的風險項目，包括 Prompt Injection（LLM01：7 項測試通過 5 項）、Visual Prompt Injection（3 項測試確認 2 項弱點），以及其他類別的實測數據。
你會看到的不是理論分析，而是一份有具體 pass/fail 的成績單。我們會拆解每一項測試的攻擊手法、Gemma 4 的實際反應、以及哪些弱點可以用 NemoClaw Guardrail 補強。
這場的目標不是說 Gemma 4 不安全，而是讓每一個用開源模型的開發者知道：model card 上沒寫的風險，你要自己測。我們會開源測試腳本，讓你對任何開源 LLM 跑同樣的弱掃流程。
Fngi 專注於 AI 安全治理與 LLM 紅隊測試。曾任多家台灣機構 CISO，同時擔任 GDG Taipei Organizer 及台灣金融研訓院 AI 安全講師。擁有超過十年資安與全端工程經驗。