AI基础设施安全守护

项目概述

A.I.G（AI-Infra-Guard）由腾讯朱雀实验室主导开发，定位为企业与个人自用的 AI 红队平台。它整合了 ClawScan（OpenClaw 安全扫描）、Agent Scan、AI 基础设施漏洞扫描、MCP Server 与 Agent Skills 扫描，以及越狱评估等能力，旨在提供覆盖最全面、智能化程度最高的 AI 安全风险自检方案。

核心能力

AI 基础设施漏洞扫描

平台可精准识别 100+ AI 框架组件，覆盖超过 2000 条已知 CVE 漏洞规则，支持 Ollama、ComfyUI、vLLM、n8n、Triton Inference Server 等主流框架。扫描目标为正在运行的 AI 服务网络地址（IP / URL），系统会自动识别组件版本并匹配漏洞库。

MCP Server 与 Agent Skills 扫描

针对 MCP Server 和 Agent Skills 检测 14 类安全风险，既支持远程 URL（GitHub 仓库链接）检测，也支持上传本地源码包进行离线分析。最新版本增强了 .pyc 字节码绕过检测与字符集走私防御，以及动态模式下的工具白名单 RCE 防护。

Agent Scan

独立的多 Agent 自动化扫描框架，面向 AI Agent 工作流的安全评估，无缝兼容 Dify、Coze 等平台。已覆盖 10 类 OWASP 技能风险，包括 Web 数据外泄等新型攻击场景。

越狱评估

构建精选数据集对目标 LLM 进行提示安全评估，支持多种攻击方法（含 4 类多轮越狱：Many-Shot、PAIR、GOAT、ActorAttack），并提供详细的跨模型对比能力。

Skill 安全扫描（aig-skill-scan）

Agent Skill 安全审计工具，易于集成至企业 CI/CD 流程。在 SkillTrustBench 上以 Claude Opus 4.6 为后端取得 F1=0.9848 的领先成绩，覆盖 SkillTrustBench T01–T09 九大类风险，涵盖指令劫持、内存投毒、远程载荷下载、特权升级、工具劫持、不安全依赖等场景。

模型与 API 中继检测

提供模型指纹识别、Claude Signature 校验、中继黑盒审计、PAMELA、Ventor QTest 等能力。

快速开始

Docker 部署

要求 Docker 20.10+、内存 4GB+、磁盘 10GB+。推荐使用预构建镜像：

# 拉取预构建镜像并启动
git clone https://github.com/Tencent/AI-Infra-Guard.git
cd AI-Infra-Guard
docker-compose -f docker-compose.images.yml up -d
# 启动后访问 http://localhost:8088

也可使用一键安装脚本自动部署 Docker 与服务，或从源码构建。

CLI 工具

# 安装 Skill 扫描 CLI
pip install aig-skill-scan
export LLM_API_KEY="your-api-key"
aig-skill-scan --repo /path/to/your/skill \
           -m deepseek-v4-flash \
           --language en -o result.json

从源码运行 API Checker 与统一 CLI：

python3 -m venv services/api_checker/.venv
services/api_checker/.venv/bin/pip install -r services/api_checker/requirements.txt
go build -o ai-infra-guard ./cmd/cli/main.go
export AIG_API_CHECKER_PYTHON="$PWD/services/api_checker/.venv/bin/python"
./ai-infra-guard api-checker list
./ai-infra-guard api-checker audit

OpenClaw 集成

通过 aig-scanner skill 在 OpenClaw 对话中直接调用 A.I.G：

clawhub install aig-scanner
# 设置 AIG_BASE_URL 指向运行中的 A.I.G 服务

架构与扩展

平台采用可扩展插件框架作为架构基石，支持通过 Plugin 与 Feature 两种途径进行社区贡献：

• 指纹规则：在 data/fingerprints/ 添加 YAML 指纹文件
• 漏洞规则：在 data/vuln/ 添加漏洞扫描规则
• MCP 插件：在 data/mcp/ 添加 MCP 安全规则
• 越狱数据集：在 data/eval 添加越狱评估样本

Skill、MCP、Agent 扫描均已支持作为独立 CLI 运行，前端全面开源。

API 接口

服务启动后访问 http://localhost:8088/docs/index.html 查看完整 Swagger 文档，支持 AI 基础设施扫描、MCP Server 扫描、越狱评估等任务的创建与管理。API Checker 部分独立部署，提供 GET /api/v1/relay/models 与 POST /api/v1/relay/check/stream 接口，详细文档位于 /api-checker/docs。

团队

项目由腾讯安全平台部下属朱雀实验室（成立于 2019 年）主导，专注于 AI 安全领域的前沿攻防研究。团队曾协助 NVIDIA、Google、Microsoft 等厂商以及 OpenClaw、Linux、Hugging Face 等开源社区修复大量高危漏洞，研究成果发表于 Black Hat、DEF CON、ICLR、CVPR、NeurIPS、ACL 等顶会。

引用

@misc{Tencent_AI-Infra-Guard_2025,
  author={{Tencent Zhuque Lab}},
  title={{AI-Infra-Guard: A Comprehensive, Intelligent, and Easy-to-Use AI Red Teaming Platform}},
  year={2025},
  howpublished={GitHub repository},
  url={https://github.com/Tencent/AI-Infra-Guard}
}