AI-Infra-Guard：腾讯朱雀实验室开源的 AI 红队测试平台，为 AI 生态构建全栈安全防线

你是否曾经担心过：自己部署的 vLLM、Ollama、ComfyUI 服务是否存在已知的 CVE 漏洞？接入的 MCP Server 和 Agent Skill 会不会偷偷执行恶意代码？上线的大模型 API 有没有被”偷梁换柱”？又或者，你的 AI Agent 在真实工作流中会不会因为提示词注入而”失控”？

AI-Infra-Guard（简称 A.I.G）的出现，旨在彻底解决这一系列问题。它是由腾讯朱雀实验室打造的全栈 AI 红队测试平台，通过 Agent Scan、Skills Scan、MCP Scan、AI 基础设施漏洞扫描以及大模型越狱评估等能力，帮助安全工程师与 AI 开发者系统性地完成 AI 安全风险的”自检自查”。本文将带你全面了解这个正在快速崛起的开源项目。

截至收录：
AI-Infra-Guard stars数：6400
AI-Infra-Guard forks数：593

AI-Infra-Guard项目目录截图

AI-Infra-Guard核心亮点

🔍 全栈 AI 资产扫描能力：从底层 AI 基础设施（Ollama、ComfyUI、vLLM、n8n、Triton Inference Server 等 100+ AI 框架组件），到运行时的 MCP Server 与 Agent Skill，再到模型 API 中继层，A.I.G 实现了”基础设施 → 供应链 → 运行时 → 模型”的多层覆盖，精准匹配 2000+ 条 CVE 漏洞规则。

🛡️ Skill 安全审计达到行业顶尖水平：内置的 aig-skill-scan 工具在自研基准 SkillTrustBench 上，配合 Claude Opus 4.6 取得了 F1 = 0.9848 的优异成绩；覆盖面完整对齐 SkillTrustBench T01–T09 共 9 大类风险，包括技能指令劫持、记忆投毒、远程载荷下载执行、内嵌恶意代码、权限提升与未授权访问、系统持久化、工具劫持与欺骗、不安全依赖以及不安全的编码实践。

🤖 多 Agent 自动化扫描框架：Agent Scan 是一套独立的、多智能体自动化扫描框架，专门用于评估 AI Agent 工作流的安全性，原生支持 Dify、Coze 等主流 Agent 平台构建的应用，让”Agent 越权””工具滥用””权限边界”等抽象风险变得可量化、可复现。

🧠 模型与 API 中继黑盒审计：内置的 API Checker 支持模型指纹识别（覆盖 Gemini 2.5/3.1、Gemma 2/3/4、GLM-5.3 系列等）、Claude Signature 验证、API 中继黑盒审计，以及 LLM API 投毒检测（多探针黑盒审计，识别模型替换与后门风险），帮你确认”你调用的到底是不是你以为的那个模型”。

🧩 可扩展的插件化架构：以插件框架为架构基石，社区只需按格式向 data/fingerprints/、data/vuln/、data/mcp/、data/eval/ 等目录提交新的 YAML 规则文件，即可完成指纹规则、漏洞规则、MCP 扫描规则与越狱评估数据集的扩展，无需修改核心代码。

⚡ 一行命令接入 CI/CD：通过 pip install aig-skill-scan 即可将 Agent Skill 安全审计集成到企业流水线中，配合统一 CLI 工具 ai-infra-guard，让 AI 安全检测像单元测试一样常态化运行。

🌟 学术与业界双重认可：相关研究成果已发表于 Black Hat Europe 2025 Arsenal、DEF CON、ICLR、CVPR、NeurIPS、ACL 等国际顶级安全与 AI 会议，团队还曾帮助 NVIDIA、Google、Microsoft 及 OpenClaw、Linux、Hugging Face 等开源社区修复大量高危漏洞。

AI-Infra-Guard快速开始

只需几步，你就能在本地运行起一套完整的 AI 红队测试平台：

  1. 使用 Docker 部署完整平台（推荐，需 Docker 20.10+、4GB+ 内存、10GB+ 磁盘）：

    “`bash

    从 Docker Hub 拉取预构建镜像，启动更快

    $ git clone https://github.com/Tencent/AI-Infra-Guard.git
    $ cd AI-Infra-Guard

    Docker Compose V2+ 用户请将 docker-compose 替换为 docker compose

    $ docker-compose -f docker-compose.images.yml up -d
    “`

    服务启动后，访问 http://localhost:8088 即可打开 A.I.G Web 界面。

  2. 单命令安装 Skill 安全审计工具（可独立使用，便于接入 CI/CD）：

    “`bash
    $ pip install aig-skill-scan

    通过环境变量配置 LLM API Key

    $ export LLM_API_KEY=”your-api-key”

    扫描本地 Skill 项目目录

    $ aig-skill-scan –repo /path/to/your/skill \
    -m deepseek-v4-flash \
    –language en \
    -o result.json
    “`

  3. 在 OpenClaw 中直接调用 A.I.G：

    bash
    $ clawhub install aig-scanner

    随后配置 AIG_BASE_URL 指向你正在运行的 A.I.G 服务即可。

  4. 从源码运行模型与 API 中继检查器：

    “`bash
    $ 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
    “`

  5. 查看 API 文档：

    “`bash

    项目运行后访问完整 API 文档

    http://localhost:8088/docs/index.html
    “`

AI-Infra-Guard应用场景

场景一：AI 基础设施漏洞排查
安全团队可以输入正在运行的 AI 服务网络地址（如本地 vLLM 的 http://127.0.0.1:8000、局域网中的 Ollama 服务 http://192.168.1.100:11434，或内网暴露的 ComfyUI http://10.0.0.5:8188），A.I.G 会自动对该服务进行指纹识别，并匹配 2000+ 条已知 CVE 规则，输出包含组件版本、命中漏洞、严重等级与修复链接的完整报告。批量场景下还支持 CIDR（如 192.168.1.0/24）与 IP 段（如 10.0.0.1-10.0.0.20）形式的多主机扫描。

场景二：Agent Skill 与 MCP Server 供应链审计
开发者只需提供远程 URL（如 https://github.com/user/mcp-server）或上传本地源码压缩包，无需运行实例即可完成检测。A.I.G 会系统性地排查 14 大类安全风险，包括远程载荷下载执行、内嵌恶意代码、.pyc 字节码绕过、字符集走私、工具白名单逃逸等，适合在引入第三方 Skill 或 MCP 插件前做准入审查。

场景三：大模型越狱与提示词安全评估
在「设置 → 模型配置」中填入目标大模型的 API 端点（Base URL + API Key），选择数据集即可发起评估。平台内置多轮越狱攻击方法（如 Many-Shot、PAIR、GOAT、ActorAttack），并提供跨模型横向对比能力，帮助模型团队量化安全对齐效果。

场景四：模型 API 中继合规审计
企业采购第三方模型 API 服务时，可使用 API Checker 进行模型指纹核验与中继黑盒审计，识别”低价模型替换高价模型””私加后门””输出篡改”等供应链投毒风险。

用户案例：A.I.G 已被众多企业与团队用于实际 AI 安全治理工作流，其研究成果在 19 篇学术论文中被引用，相关漏洞发现也获得了 NVIDIA、Google、Microsoft 以及 OpenClaw、Linux、Hugging Face 等开源社区的公开致谢。项目由腾讯安全平台部朱雀实验室主导开发，核心成员覆盖前沿安全研究、架构设计、前端交互、AI Infra 指纹维护、Agent 安全与越狱评估等多个方向。

AI-Infra-Guard链接

 

小贴士：如果你是安全研究者或企业安全负责人，建议从 Docker 一键部署完整平台开始体验；如果你只想把 AI 安全检查塞进现有 CI/CD 流水线，直接 pip install aig-skill-scan 会是更轻量的选择。项目采用 Apache License 2.0 开源协议，欢迎社区通过提交指纹规则、漏洞规则、MCP 扫描规则或越狱评估数据集的方式参与共建。Tencent / AI-Infra-Guard项目地址：https://github.com/Tencent/AI-Infra-Guard

本文地址：https://www.tgoos.com/46669

声明：本站资源均整理自互联网，版权归原作者所有，仅供学习交流使用，请勿直接商用，若需商用请购买正版授权。因违规使用产生的版权及法律责任由使用者自负。部分资源可能包含水印或引流信息，请自行甄别。若链接失效可联系站长尝试补链。若侵犯您的权益，请邮件（将 # 替换为 @）至 feedback#tgoos.com，我们将及时处理删除。转载请保留原文链接，感谢支持原创。