العودة إلى التحديثات
New releaseAug 17, 2026

AI-Infra-Guard v4.5.2

منصة Red Teaming متكاملة للذكاء الاصطناعي تعمل على تأمين النظم البيئية للذكاء الاصطناعي عبر Agent Scan وSkills Scan وMCP scan وAI Infra scan وتقييم كسر الحماية (jailbreak) لنماذج اللغات الكبيرة (LLM).

مشاركة

A.I.G

📖 الوثائق  |  🌐 🇨🇳 中文 · 🇯🇵 日本語 · 🇪🇸 Español · 🇩🇪 Deutsch · 🇫🇷 Français · 🇰🇷 한국어 · 🇧🇷 Português · 🇷🇺 Русский

GitHub stars GitHub downloads docker pulls Release Ask DeepWiki

EdgeOne ClawScan EdgeOne Skill Scanner AIG Scanner

Tencent%2FAI-Infra-Guard | Trendshift  Tencent%2FAI-Infra-Guard | blackhat  Tencent%2FAI-Infra-Guard | awesome-deepseek-integration


🚀 منصة Red Teaming للذكاء الاصطناعي من مختبر Tencent Zhuque

A.I.G (AI-Infra-Guard) يدمج إمكانات مثل ClawScan (OpenClaw Security Scan) وAgent Scan، وفحص ثغرات البنية التحتية للذكاء الاصطناعي، وفحص MCP Server ومهارات الوكلاء (Agent Skills)، وتقييم Jailbreak، بهدف تزويد المستخدمين بالحل الأكثر شمولاً وذكاءً وسهولةً في الاستخدام للفحص الذاتي لمخاطر أمن الذكاء الاصطناعي.

نحن ملتزمون بجعل A.I.G (AI-Infra-Guard) المنصة الرائدة في صناعة اختبار Red Teaming للذكاء الاصطناعي. المزيد من النجوم يساعد هذا المشروع على الوصول إلى جمهور أوسع، مما يجذب المزيد من المطورين للمساهمة، وهو ما يسرّع التكرار والتحسين. نجمك أمر بالغ الأهمية لنا!

Give us a Star


📋 استبيان ملاحظات المستخدمين

ساعدنا في تحسين A.I.G! يُرجى تخصيص 3-5 دقائق لملء استبيان ملاحظات المستخدمين. سيحصل المستخدمون الذين يقدمون ملاحظات عالية الجودة ويتركون عنوان بريد إلكتروني صالحًا على هدية تذكارية حصرية من Tencent.


🚀 ما الجديد

  • 2026-07-30 · v4.5.1 — تقييم Jailbreak: 4 هجمات Jailbreak متعددة الجولات (Many-Shot, PAIR, GOAT, ActorAttack)؛ Agent-Scan: 5 مهارات OWASP جديدة + اكتشاف تسريب البيانات عبر الويب (web-exfiltration) (إجمالي 10 مهارات)؛ MCP-Scan: 4 قواعد أمان جديدة
  • 2026-07-27 · v4.5.0 — إطلاق سوق مهارات أمن الذكاء الاصطناعي (3 مهارات رسمية)؛ فتح المصدر الكامل للواجهة الأمامية؛ ترقية محرك فحص المهارات (9 فئات مخاطر، أعلى نتيجة في SkillTrustBench 0.9848)؛ فحص Skill/MCP/Agent كأداة CLI مستقلة؛ توسيع مكتبة الثغرات إلى 130 مكوّنًا و1888 قاعدة
  • 2026-06-25 · v4.1.15 — MCP Scan: 3 قواعد جديدة لكشف التهديدات (تسميم الأدوات tool poisoning، تسريب بيانات الاعتماد credential exfiltration، حقن الأوامر command injection)؛ 6 قواعد CVE جديدة لـ llama.cpp؛ model.token أصبح اختياريًا الآن مع الرجوع إلى القيمة الافتراضية للنظام.
  • 2026-06-18 · v4.1.14 — أمان Prompt: 9 عوامل تشغيل جديدة لهجمات Jailbreak أحادية الجولة؛ مهارة جديدة aig-agent-redteam لإجراء تقييم شامل للفريق الأحمر (red-team) للوكلاء.
  • 2026-06-11 · v4.1.13 — نقطة نهاية API جديدة للتحقق من الإصدار؛ تحويل تقييم الأمان إلى نموذج الخصم المطلق لتقييم مخاطر أكثر وضوحًا.

👉 الإصدارات السابقة · 🛒 سوق مهارات أمن الذكاء الاصطناعي · 🔍 skill-scan CLI · 🔍 mcp-scan CLI · 🔍 agent-scan CLI · 📊 SkillTrustBench

جدول المحتويات

🚀 بدء سريع

🐳 نشر A.I.G باستخدام Docker

| Docker | RAM | مساحة القرص | |:-------|:----|:----------|```bash

This method pulls pre-built images from Docker Hub for a faster start

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

For Docker Compose V2+, replace 'docker-compose' with 'docker compose'

docker-compose -f docker-compose.images.yml up -d

بمجرد تشغيل الخدمة، يمكنك الوصول إلى واجهة الويب الخاصة بـ A.I.G على:
`http://localhost:8088`
<br>

#### الاستخدام من OpenClaw

يمكنك أيضًا استدعاء A.I.G مباشرة من دردشة OpenClaw عبر مهارة `aig-scanner`.```bash
clawhub install aig-scanner

ثم قم بتكوين AIG_BASE_URL ليشير إلى خدمة A.I.G قيد التشغيل لديك.

لمزيد من التفاصيل، راجع aig-scanner README.

المزيد من خيارات التثبيت

طرق التثبيت الأخرى

الطريقة 2: سكربت التثبيت بنقرة واحدة (موصى به)```bash

This method will automatically install Docker and launch A.I.G with one command

curl https://raw.githubusercontent.com/Tencent/AI-Infra-Guard/refs/heads/main/docker.sh | bash

**الطريقة 3: البناء والتشغيل من المصدر**```bash
git clone https://github.com/Tencent/AI-Infra-Guard.git
cd AI-Infra-Guard
# This method builds a Docker image from local source code and starts the service
# (For Docker Compose V2+, replace 'docker-compose' with 'docker compose')
docker-compose up -d

ملاحظة: يُعد مشروع AI-Infra-Guard منصة Red Teaming للذكاء الاصطناعي مخصصة للاستخدام الداخلي من قبل المؤسسات أو الأفراد. وهو يفتقر حالياً إلى آلية مصادقة ولا ينبغي نشره على الشبكات العامة.

لمزيد من المعلومات، انظر: https://tencent.github.io/AI-Infra-Guard/?menu=getting-started

⚡ تثبيت aig-skill-scan بأمر واحد

أداة تدقيق أمني لمهارات الوكلاء (Agent Skill)، سهلة الدمج في خطوط CI/CD الخاصة بالمؤسسات. يتوافق تصنيف الثغرات مع تصنيف SkillTrustBench T01–T09. اعرف المزيد →```bash pip install aig-skill-scan

Set API key via environment variable

export LLM_API_KEY="your-api-key"

Scan a local Skill project directory

aig-skill-scan --repo /path/to/your/skill
-m deepseek-v4-flash
--language en
-o result.json

### 🌟 جرّب النسخة الاحترافية عبر الإنترنت
جرّب النسخة الاحترافية بميزات متقدمة وأداء محسّن. تتطلب النسخة الاحترافية [رمز دعوة](https://wj.qq.com/s2/25099467/25vn/) وتحظى بالأولوية للمساهمين الذين قدموا قضايا أو طلبات سحب أو مناقشات، أو يساعدون بنشاط في تنمية المجتمع. تفضل بزيارة: [https://aigsec.ai/](https://aigsec.ai/).

<br>
<br>

## ✨ الميزات

### 🔍 أداء وتغطية aig-skill-scan

الأداء على [SkillTrustBench](https://matrix.tencent.com/skilltrustbench/) مع نماذج لغوية كبيرة مختلفة:

| # | النموذج | F1 | Precision | Recall | FPR |
|:--|:------|:---|:----------|:-------|:----|
| 1 | Claude Opus 4.6 | **0.9848** | 0.9725 | **0.9974** | 0.0663 |
| 2 | GLM 5.1 | 0.9836 | 0.9701 | **0.9974** | 0.0723 |
| 3 | Gemini 3.5 Flash | 0.9792 | **0.9947** | 0.9641 | **0.0120** |
| 4 | Kimi 2.6 | 0.9780 | 0.9895 | 0.9667 | 0.0241 |
| 5 | DeepSeek v4 Flash | 0.9740 | 0.9868 | 0.9615 | 0.0301 |

يغطي 9 فئات من مخاطر أمان المهارات (SkillTrustBench T01–T09):

| الطبقة | المخاطر |
|:------|:--------|
| A · التعليمات والذاكرة | T01 اختطاف تعليمات المهارة، T02 تسميم الذاكرة |
| B · تنفيذ الكود | T03 تنزيل وتنفيذ حمولة عن بُعد، T04 كود خبيث مضمّن |
| C · امتياز النظام | T05 تصعيد الامتيازات والوصول غير المصرح به، T06 استمرارية النظام |
| D · سلسلة الأدوات والتبعيات | T07 اختطاف الأدوات وانتحالها، T08 تبعيات غير آمنة |
| E · جودة كود المهارة | T09 ممارسات برمجة غير آمنة |

للحصول على لوحة الصدارة الكاملة والتفاصيل، قم بزيارة [SkillTrustBench](https://matrix.tencent.com/skilltrustbench/).

### 🔬 الفحص الأمني والتقييم

| الميزة | مزيد من المعلومات |
|:--------|:------------|
| **[ClawScan(OpenClaw&nbsp;Security&nbsp;Scan)](https://matrix.tencent.com/clawscan)** | يدعم التقييم بنقرة واحدة لمخاطر أمان OpenClaw. يكتشف الإعدادات غير الآمنة ومخاطر المهارات وثغرات CVE وتسريب الخصوصية.  |
| **Agent&nbsp;Scan** | هذا إطار مسح آلي مستقل متعدد الوكلاء. وهو مصمم لتقييم أمان سير عمل وكلاء الذكاء الاصطناعي. ويدعم بسلاسة الوكلاء الذين يعملون عبر منصات مختلفة، بما في ذلك Dify وCoze. |
| **MCP&nbsp;Server&nbsp;&&nbsp;Agent&nbsp;Skills&nbsp;scan** | يكتشف بشكل شامل 14 فئة رئيسية من مخاطر الأمان. ينطبق الكشف على كل من خوادم MCP ومهارات الوكلاء. ويدعم بمرونة المسح من كل من الكود المصدري وعناوين URL البعيدة. |
| **AI&nbsp;infra&nbsp;vulnerability&nbsp;scan** | يحدد هذا الماسح بدقة أكثر من 100 مكوّن لأطر الذكاء الاصطناعي. ويغطي أكثر من 2000 ثغرة CVE معروفة. تشمل الأطر المدعومة Ollama وComfyUI وvLLM وn8n وTriton Inference Server والمزيد. |
| **Jailbreak&nbsp;Evaluation** | يقيّم مخاطر أمان المطالبات باستخدام مجموعات بيانات منتقاة بعناية. يطبق التقييم طرق هجوم متعددة لاختبار المتانة. كما يوفر قدرات مفصلة للمقارنة بين النماذج. |

<details>
<summary><strong>💎 مزايا إضافية</strong></summary>

- 🖥️ **واجهة ويب حديثة**: واجهة مستخدم سهلة الاستخدام مع مسح بنقرة واحدة وتتبع تقدم في الوقت الفعلي
- 🔌 **واجهة برمجة تطبيقات كاملة**: توثيق كامل للواجهة ومواصفات Swagger لسهولة التكامل
- 🤖 **جاهز للوكلاء**: مهارات وكلاء جاهزة للتشغيل على ClawHub — [EdgeOne ClawScan](https://clawhub.ai/aigsec/edgeone-clawscan)، و[EdgeOne Skill Scanner](https://clawhub.ai/aigsec/edgeone-skill-scanner)، و[AIG Scanner](https://clawhub.ai/aigsec/aig-scanner) — تدمج مسح الأمان بسلاسة في أي سير عمل لوكلاء الذكاء الاصطناعي
- 🌐 **متعدد اللغات**: واجهات بالصينية والإنجليزية مع توثيق مترجم محليًا
- 🐳 **متعدد المنصات**: دعم Linux وmacOS وWindows مع نشر قائم على Docker
- 🆓 **مجاني ومفتوح المصدر**: مجاني تمامًا بموجب ترخيص Apache 2.0
</details>

<br />


## 🖼️ العرض

### الواجهة الرئيسية لـ A.I.G
![الصفحة الرئيسية لـ A.I.G](https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/aig.gif)

### إدارة الإضافات
![إدارة الإضافات](https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/plugin-gif.gif)

<br />


## 🗺️ دليل الاستخدام السريع

> بعد النشر، افتح `http://localhost:8088` في متصفحك.

### فحص ثغرات البنية التحتية للذكاء الاصطناعي

**ماذا تُدخل كعنوان URL / IP مستهدف؟**

الهدف هو **عنوان الشبكة لخدمة الذكاء الاصطناعي قيد التشغيل** التي تريد فحصها - وليس عنوان GitHub URL أو مسار كود مصدري. يتصل A.I.G بالخدمة المباشرة ويأخذ بصمتها للتحقق من ثغرات CVE المعروفة.

| السيناريو | مثال على الهدف |
|:---------|:--------------|
| مثيل vLLM يعمل محليًا | `http://127.0.0.1:8000` |
| خادم Ollama على شبكتك المحلية | `http://192.168.1.100:11434` |
| مثيل ComfyUI مكشوف داخليًا | `http://10.0.0.5:8188` |
| عدة مضيفين (واحد لكل سطر) | `192.168.1.0/24` (CIDR)، `10.0.0.1-10.0.0.20` (نطاق) |

**خطوة بخطوة: فحص مثيل vLLM محلي**

1. ابدأ vLLM بشكل طبيعي (مثل: `python -m vllm.entrypoints.api_server --model meta-llama/...`)
2. في واجهة ويب A.I.G، انقر على **"AI基础设施安全扫描 / AI Infra Scan"**
3. أدخل `http://127.0.0.1:8000` (أو عنوان IP/المنفذ حيث يستمع vLLM)
4. انقر على **بدء الفحص** - سيأخذ A.I.G بصمة الخدمة ويطابقها مع أكثر من 2000 ثغرة CVE معروفة
5. اعرض التقرير: إصدار المكون، الثغرات المطابقة، الخطورة، وروابط المعالجة

> 💡 **نصيحة**: لفحص إصدار *الليلي* من vLLM تحديدًا، ما عليك سوى تشغيل هذا الإصدار الليلي وتوجيه A.I.G إلى عنوانه. يكتشف الماسح الإصدار تلقائيًا.

### فحص خادم MCP ومهارات الوكلاء

أدخل إما **عنوان URL بعيد** (مثل: `https://github.com/user/mcp-server`) أو **ارفع أرشيف الكود المصدري المحلي** - لا حاجة لمثيل قيد التشغيل.

### تقييم Jailbreak

قم بتكوين نقطة نهاية API الخاصة بنموذج LLM المستهدف (عنوان URL الأساسي + مفتاح API) في **الإعدادات ← إعداد النموذج**، ثم حدد مجموعة بيانات وابدأ التقييم.

---

## 📖 دليل المستخدم

قم بزيارة توثيقنا عبر الإنترنت: [https://tencent.github.io/AI-Infra-Guard/](https://tencent.github.io/AI-Infra-Guard/)

للحصول على أسئلة شائعة أكثر تفصيلاً وأدلة استكشاف الأخطاء وإصلاحها، قم بزيارة [التوثيق](https://tencent.github.io/AI-Infra-Guard/?menu=faq).
<br />
<br>

## 🔧 توثيق واجهة برمجة التطبيقات

يوفر A.I.G مجموعة شاملة من واجهات برمجة تطبيقات إنشاء المهام التي تدعم فحص البنية التحتية للذكاء الاصطناعي وفحص خادم MCP وقدرات تقييم Jailbreak.

بعد تشغيل المشروع، قم بزيارة `http://localhost:8088/docs/index.html` لعرض توثيق واجهة برمجة التطبيقات الكامل.

للحصول على تعليمات مفصلة لاستخدام واجهة برمجة التطبيقات وأوصاف المعلمات وكود أمثلة كامل، يرجى الرجوع إلى [توثيق واجهة برمجة التطبيقات الكامل](https://github.com/tencent/ai-infra-guard/blob/HEAD/api.md).
<br />
<br>

## 📝 دليل المساهمة

يعمل إطار الإضافات القابل للتوسيع​​ كحجر الزاوية المعماري لـ A.I.G، ويدعو إلى الابتكار المجتمعي من خلال مساهمات الإضافات والميزات.​

### قواعد المساهمة بالإضافات
1.  **قواعد البصمات**: أضف ملفات بصمات YAML جديدة إلى دليل `data/fingerprints/`.
2.  **قواعد الثغرات**: أضف قواعد فحص ثغرات جديدة إلى دليل `data/vuln/`.
3.  **إضافات MCP**: أضف قواعد فحص أمان MCP جديدة إلى دليل `data/mcp/`.
4.  **مجموعات بيانات تقييم Jailbreak**: أضف مجموعات بيانات تقييم Jailbreak جديدة إلى دليل `data/eval`.

يرجى الرجوع إلى تنسيقات القواعد الحالية، وإنشاء ملفات جديدة، وتقديمها عبر طلب سحب (Pull Request).

### طرق أخرى للمساهمة
- 🐛 [أبلغ عن خطأ](https://github.com/Tencent/AI-Infra-Guard/issues)
- 💡 [اقترح ميزة جديدة](https://github.com/Tencent/AI-Infra-Guard/issues)
- ⭐ [حسّن التوثيق](https://github.com/Tencent/AI-Infra-Guard/pulls)
<br />
<br />

## 🛡️ عن الفريق

يقود هذا المشروع ويطوره **مختبر Tencent Zhuque**، وهو جزء من إدارة منصة الأمان في Tencent. تأسس [مختبر Tencent Zhuque](https://matrix.tencent.com/) في عام 2019، وهو مختبر أبحاث أمني من الطراز الأول يركز على أبحاث الهجوم والدفاع الواقعية والتقنيات المتطورة في مجال أمان الذكاء الاصطناعي، ويغطي أمن النماذج الكبيرة، وأمن وكلاء الذكاء الاصطناعي، والأمان المعزز بالذكاء الاصطناعي، وكشف المحتوى المولد بالذكاء الاصطناعي.

ساعد الفريق كبار الموردين مثل **NVIDIA وGoogle وMicrosoft**، بالإضافة إلى مجتمعات المصدر المفتوح مثل **OpenClaw وLinux وHugging Face**، في إصلاح عدد كبير من الثغرات عالية الخطورة، وحظي باعتراف علني منهم.

أصدرنا منتجات أمان مفتوحة المصدر للذكاء الاصطناعي بما في ذلك منصة اختبار الأمان للفريق الأحمر للذكاء الاصطناعي <b>A.I.G (AI-Infra-Guard)</b> و**مساعد كشف الذكاء الاصطناعي Zhuque**. نُشرت أبحاثنا على نطاق واسع في مؤتمرات الأمان والذكاء الاصطناعي الدولية الرائدة مثل **Black Hat وDEF CON وICLR وCVPR وNeurIPS وACL**، وقمنا بتأليف كتاب *"أمان الذكاء الاصطناعي: التكنولوجيا والممارسة"*.

### 👥 الأعضاء الأساسيون ومساهماتهم

| الدور | العضو | المساهمة |
| --- | --- | --- |
| رئيس إدارة منصة الأمان في Tencent | **Yong Yang** | أطلق A.I.G واقترح التقييم الآلي لمخاطر فقدان السيطرة على وكلاء الذكاء الاصطناعي، وتوجيه توسع المنصة من فحص ثغرات البنية التحتية للذكاء الاصطناعي إلى مخاطر تنفيذ الوكلاء، وإساءة استخدام الأدوات، وتقييم حدود الأذونات. |
| رئيس مختبر Tencent Zhuque | **Xing Zheng** | اقترح آلية التحديث التلقائي للثغرات ومواءمة المعايير، مما يساعد بصمات البنية التحتية للذكاء الاصطناعي وقواعد CVE/GHSA والمعايير على التكرار المستمر. |
| قائد المشروع | **Nicky** | أبحاث أمنية متطورة، وتخطيط المنتج، وقرارات المسار التقني، والتعاون الداخلي والخارجي، والاتصالات. |
| القائد التقني | **Python** | تصميم البنية العامة، وتطوير الوحدات الأساسية، وتكرار الإصدارات. |
| مساهم أساسي | **Zona** | تفاعل الواجهة الأمامية، وتجربة المنتج، وعمليات المجتمع، وحلقة ملاحظات المستخدم. |
| مساهم أساسي | **Fyoung** | تحديثات بصمات مكونات ثغرات البنية التحتية للذكاء الاصطناعي وبناء نظام المعايير. |
| مساهم أساسي | **Xiangfan** | تطوير القدرات الأمنية لمخاطر المهارات وسيناريوهات فقدان سيطرة الوكلاء. |
| مساهم أساسي | **Elwood** | تعزيز قدرات فحص أمان الوكلاء وتحديث التقارير الفنية. |
| مساهم أساسي | **Robert** | تقييم سلامة نماذج اللغات الكبيرة وعمليات استراتيجيات تقييم Jailbreak. |
| مساهم أساسي | **Zoe** | تقييم سلامة نماذج اللغات الكبيرة، وتقييم Jailbreak، وتطوير وحدة تكامل النماذج. |
| مساهم | **Ronin** | شارك في تطوير فحص أمان وكلاء الذكاء الاصطناعي. |
| مساهم | **Rsin** | شارك في عمليات المجتمع والاتصالات المتعلقة بالحملات. |

<br />

## 🙏 شكر وتقدير

### 🎓 تعاونات أكاديمية

نشكر شركاءنا الأكاديميين على مساهماتهم البحثية ودعمهم الفني.

#### <img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/%E5%8C%97%E5%A4%A7%E6%9C%AA%E6%9D%A5%E7%BD%91%E7%BB%9C%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A42.png" height="30" align="middle"/>
<table>
  <tr>
    <td align="center" width="90">
      <a href="#">
        <img src="https://avatars.githubusercontent.com/u/0?v=4" width="70px;" style="border-radius: 50%;" alt=""/>
      </a>
      <br />
      <a href="#">
        <sub><b>Prof.&nbsp;hui&nbsp;Li</b></sub>
      </a>
    </td>
    <td align="center" width="90">
      <a href="https://github.com/TheBinKing">
        <img src="https://avatars.githubusercontent.com/TheBinKing" width="70px;" style="border-radius: 50%;" alt=""/>
      </a>
      <br />
      <a href="mailto:[email protected]">
        <sub><b>Bin&nbsp;Wang</b></sub>
      </a>
    </td>
    <td align="center" width="90">
      <a href="https://github.com/KPGhat">
        <img src="https://avatars.githubusercontent.com/KPGhat" width="70px;" style="border-radius: 50%;" alt=""/>
      </a>
      <br />
      <a href="mailto:[email protected]">
        <sub><b>Zexin&nbsp;Liu</b></sub>
      </a>
    </td>
    <td align="center" width="90">
      <a href="https://github.com/GioldDiorld">
        <img src="https://avatars.githubusercontent.com/GioldDiorld" width="70px;" style="border-radius: 50%;" alt=""/>
      </a>
      <br />
      <a href="mailto:[email protected]">
        <sub><b>Hao&nbsp;Yu</b></sub>
      </a>
    </td>
    <td align="center" width="90">
      <a href="https://github.com/Jarvisni">
        <img src="https://avatars.githubusercontent.com/Jarvisni" width="70px;" style="border-radius: 50%;" alt=""/>
      </a>
      <br />
      <a href="mailto:[email protected]">
        <sub><b>Ao&nbsp;Yang</b></sub>
      </a>
    </td>
    <td align="center" width="90">
      <a href="https://github.com/Zhengxi7">
        <img src="https://avatars.githubusercontent.com/Zhengxi7" width="70px;" style="border-radius: 50%;" alt=""/>
      </a>
      <br />
      <a href="mailto:[email protected]">
        <sub><b>Zhengxi&nbsp;Lin</b></sub>
      </a>
    </td>
  </tr>
</table>

#### <img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/%E5%A4%8D%E6%97%A6%E5%A4%A7%E5%AD%A62.png" height="30" align="middle" style="vertical-align: middle;"/>

<table>
  <tr>
    <td align="center" width="120">
      <a href="https://yangzhemin.github.io/">
        <img src="https://avatars.githubusercontent.com/yangzhemin" width="70px;" style="border-radius: 50%;" alt=""/>
      </a>
      <br />
      <a href="mailto:[email protected]">
        <sub><b>Prof.&nbsp;Zhemin&nbsp;Yang</b></sub>
      </a>
    </td>
    <td align="center" width="100">
      <a href="https://github.com/kangwei-zhong">
        <img src="https://avatars.githubusercontent.com/kangwei-zhong" width="70px;" style="border-radius: 50%;" alt=""/>
      </a>
      <br />
      <a href="mailto:[email protected]">
        <sub><b>Kangwei&nbsp;Zhong</b></sub>
      </a>
    </td>
    <td align="center" width="90">
      <a href="https://github.com/MoonBirdLin">
        <img src="https://avatars.githubusercontent.com/MoonBirdLin" width="70px;" style="border-radius: 50%;" alt=""/>
      </a>
      <br />
      <a href="mailto:[email protected]">
        <sub><b>Jiapeng&nbsp;Lin</b></sub>
      </a>
    </td>
    <td align="center" width="90">
      <a href="https://vanilla-tiramisu.github.io/">
        <img src="https://avatars.githubusercontent.com/vanilla-tiramisu" width="70px;" style="border-radius: 50%;" alt=""/>
      </a>
      <br />
      <a href="mailto:[email protected]">
        <sub><b>Cheng&nbsp;Sheng</b></sub>
      </a>
    </td>
  </tr>
</table>
<br>

### 👥 امتنان للمطورين المساهمين
شكرًا لجميع المطورين الذين ساهموا في مشروع A.I.G.
<br />
<table border="0" cellspacing="0" cellpadding="0">
  <tr>
    <td width="33%"><img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/keen_lab_logo.svg" alt="Keen Lab" height="85%"></td>
    <td width="33%"><img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/wechat_security.png" alt="WeChat Security" height="85%"></td>
    <td width="33%"><img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/fit_sec_logo.png" alt="Fit Security" height="85%"></td>
  </tr>
</table>
<a href="https://github.com/Tencent/AI-Infra-Guard/graphs/contributors">
  <img src="https://contrib.rocks/image?repo=Tencent/AI-Infra-Guard" />
</a>
<br>
<br>

### 🤝 تقدير لمستخدمينا

شكرًا للمستخدمين من المنظمات والفرق التالية لاستخدامهم A.I.G وملاحظاتهم القيمة.

<br>
<div align="center">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/tencent.png" alt="Tencent" height="28px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/deepseek.png" alt="DeepSeek" height="38px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/antintl.svg" alt="Antintl" height="45px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/lenovo.png" alt="Lenovo" height="35px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/ICBC.jpg" alt="ICBC" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/vivo.png" alt="Vivo" height="30px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/oppo.png" alt="Oppo" height="30px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/haier.png" alt="Haier" height="30px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/abc.png" alt="Abc" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/JkOvmDOXpr.png" alt="招商银行" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/%E4%B8%AD%E5%9B%BD%E7%94%B5%E4%BF%A1.png" alt="中国电信" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/bilibili.jpg" alt="Bilibili" height="38px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/qunar.png" alt="Qunar" height="35px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/%E8%9C%9C%E9%9B%AA%E5%86%B0%E5%9F%8E.png" alt="蜜雪冰城" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/IDG.webp" alt="IDG" height="55px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/kingdee.png" alt="kingdee" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/unicom.png" alt="联通数科" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/changan.png" alt="长安汽车" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/tiane.png" alt="天鹅到家" height="35px">
</div>

<div align="center">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/%E6%B8%85%E5%8D%8E%E5%A4%A7%E5%AD%A6.jpg" alt="清华大学" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/%E5%8C%97%E4%BA%AC%E5%A4%A7%E5%AD%A6.png" alt="北京大学" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/nanyang.png" alt="南洋理工大学" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/fudan.png" alt="复旦大学" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/%E6%B5%99%E6%B1%9F%E5%A4%A7%E5%AD%A6.png" alt="浙江大学" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/%E5%8D%97%E4%BA%AC%E5%A4%A7%E5%AD%A6.png" alt="南京大学" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/wuhan.png" alt="武汉大学" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/An-NajahNationalUniversity.png" alt="An-Najah National University" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/%E8%A5%BF%E5%AE%89%E4%BA%A4%E9%80%9A%E5%A4%A7%E5%AD%A6.png" alt="西安交通大学" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/huazhong.png" alt="华中科技大学" height="45px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/%E5%8D%97%E5%BC%80%E5%A4%A7%E5%AD%A6.jpg" alt="南开大学" height="45px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/%E5%9B%9B%E5%B7%9D%E5%A4%A7%E5%AD%A6.png" alt="四川大学" height="40px">
<img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/Binus_University.svg" alt="Binus University" height="45px">
</div>

<br>
<br>

## 💬 انضم إلى المجتمع

### 🌐 مناقشات عبر الإنترنت
- **مناقشات GitHub**: [انضم إلى مناقشات مجتمعنا](https://github.com/Tencent/AI-Infra-Guard/discussions)
- **القضايا وتقارير الأخطاء**: [أبلغ عن قضايا أو اقترح ميزات](https://github.com/Tencent/AI-Infra-Guard/issues)

### 📱 مجتمع المناقشة
<table>
  <thead>
  <tr>
    <th>مجموعة WeChat</th>
    <th>Discord <a href="https://discord.gg/U9dnPnyadZ">[رابط]</a></th>
  </tr>
  </thead>
  <tbody>
  <tr>
    <td><img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/wechatgroup.png" alt="WeChat Group" width="200"></td>
    <td><img src="https://raw.githubusercontent.com/tencent/ai-infra-guard/HEAD/img/discord.png" alt="discord" width="200"></td>
  </tr>
  </tbody>
</table>

### 📧 تواصل معنا
للاستفسارات المتعلقة بالتعاون أو الملاحظات، يرجى الاتصال بنا على: [[email protected]](mailto:[email protected])

### 🔗 أدوات أمان موصى بها
إذا كنت مهتمًا بأمان الكود، فاطلع على [A.S.E (AICGSecEval)](https://github.com/Tencent/AICGSecEval)، أول إطار عمل على مستوى المستودعات لتقييم أمان الكود المولد بالذكاء الاصطناعي في الصناعة، مفتوح المصدر من فريق Tencent Wukong لأمان الكود.




<br>
<br>

## 📖 الاستشهاد

إذا كنت تستخدم A.I.G في أبحاثك، يرجى الاستشهاد بما يلي:```bibtex
@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}
}

📚 الأوراق البحثية

  1. "تأمين وكيل الذكاء الاصطناعي: إطار موحّد لمحاكاة الهجوم متعددة الطبقات للوكلاء" — إطار شامل لتأمين أنظمة وكلاء الذكاء الاصطناعي عبر محاكاة هجوم متعددة الطبقات تشمل البنية التحتية وسلسلة التوريد والتفاعل في وقت التشغيل وأسطح النشر. [arXiv] [pdf]

  2. "AI-Infra-Guard: منصة محاكاة هجوم للذكاء الاصطناعي" — عرض تقديمي في Black Hat Europe 2025 Arsenal يستعرض قدرات A.I.G وحالات الاستخدام الواقعية. [pdf]

  3. "MCP بلا قيود: اختراق النظام البيئي لوكلاء الذكاء الاصطناعي عبر موصّله الشامل" — محاضرة في Black Hat Europe 2025 تكشف المخاطر الأمنية في بروتوكول MCP داخل النظام البيئي لوكلاء الذكاء الاصطناعي. [pdf]

شكرًا للفرق البحثية التي استشهدت بـ A.I.G في أعمالها الأكاديمية (19 ورقة بحثية):

📄 عرض جميع الأوراق البحثية الـ19 المستشهد بها
  1. Chenning Li وPan Hu وJustin Xu وآخرون. "ADR: نظام كشف وكيلي لأمن الذكاء الاصطناعي الوكيلي في المؤسسات." arXiv preprint arXiv:2605.17380 (2026). [pdf]

  2. Zhaojiacheng Zhou. "Proteus: فريق أحمر ذاتي التطور للأنظمة البيئية لمهارات الوكلاء." arXiv preprint arXiv:2605.11891 (2026). [pdf]

  3. Hengkai Ye وZhechang Zhang وJinyuan Jia وآخرون. "TRUSTDESC: منع تسميم الأدوات في تطبيقات LLM عبر توليد أوصاف موثوقة." arXiv preprint arXiv:2604.07536 (2026). [pdf]

  4. Zenghao Duan وYuxin Tian وZhiyi Yin وآخرون. "SkillAttack: محاكاة هجوم آلية لمهارات الوكلاء عبر تنقيح مسارات الهجوم." arXiv preprint arXiv:2604.04989 (2026). [pdf]

  5. Yiheng Huang وZhijia Zhao وBihuan Chen وآخرون. "من التلاعب بالمكوّنات إلى اختراق النظام: فهم وكشف خوادم MCP الخبيثة." arXiv preprint arXiv:2604.01905 (2026). [pdf]

  6. Yi Ting Shen وKentaroh Toyoda وAlex Leung. "MCP-38: تصنيف شامل للتهديدات لأنظمة بروتوكول سياق النموذج (v1.0)." arXiv preprint arXiv:2603.18063 (2026). [pdf]

  7. Yuepeng Hu وYuqi Jia وMengyuan Li وآخرون. "MalTool: هجمات الأدوات الخبيثة على وكلاء LLM." arXiv preprint arXiv:2602.12194 (2026). [pdf]

  8. Naen Xu وJinghuai Zhang وPing He وآخرون. "FraudShield: دفاع مدعوم بالرسم البياني المعرفي لنماذج LLM ضد هجمات الاحتيال." arXiv preprint arXiv:2601.22485v1 (2026). [pdf]

  9. Ruiqi Li وZhiqiang Wang وYunhao Yao وآخرون. "MCP-ITP: إطار آلي للتسميم الضمني للأدوات في MCP." arXiv preprint arXiv:2601.07395v1 (2026). [pdf]

  10. Jingxiao Yang وPing He وTianyu Du وآخرون. "HogVul: إطار عدائي لتوليد الأكواد بالصندوق الأسود ضد كاشفات الثغرات القائمة على نماذج اللغة." arXiv preprint arXiv:2601.05587v1 (2026). [pdf]

  11. Teofil Bodea وMasanori Misono وJulian Pritzi وآخرون. "وكلاء ذكاء اصطناعي موثوقون في السحابة." arXiv preprint arXiv:2512.05951v1 (2025). [pdf]

  12. Yunyi Zhang وShibo Cui وBaojun Liu وآخرون. "ما وراء كسر الحماية: الكشف عن المخاطر في تطبيقات LLM الناشئة عن حدود قدرات غير واضحة." arXiv preprint arXiv:2511.17874v2 (2025). [pdf]

  13. Bin Wang وZexin Liu وHao Yu وآخرون. "MCPGuard: الكشف التلقائي عن الثغرات في خوادم MCP." arXiv preprint arXiv:2510.23673v1 (2025). [pdf]

  14. Weibo Zhao وJiahao Liu وBonan Ruan وآخرون. "عندما تهاجم خوادم MCP: التصنيف والجدوى والتخفيف." arXiv preprint arXiv:2509.24272v1 (2025). [pdf]

  15. Ping He وChangjiang Li وآخرون. "محاكاة هجوم آلية للوكلاء القائمين على LLM باستخدام أدوات بروتوكول سياق النموذج." arXiv preprint arXiv:2509.21011 (2025). [pdf]

  16. Christian Coleman. "أساليب الكشف السلوكي للتقييم الآلي لثغرات خوادم MCP." (2025). [pdf]

  17. Yixuan Yang وDaoyuan Wu وYufan Chen. "MCPSecBench: معيار أمني منهجي وميدان اختبار لبروتوكولات سياق النموذج." arXiv preprint arXiv:2508.13220 (2025). [pdf]

  18. Yongjian Guo وPuzhuo Liu وآخرون. "تحليل منهجي لأمن MCP." arXiv preprint arXiv:2508.12538 (2025). [pdf]

  19. Zexin Wang وJingjing Li وآخرون. "دراسة استقصائية حول AgentOps: التصنيف والتحديات والاتجاهات المستقبلية." arXiv preprint arXiv:2508.02121 (2025). [pdf]

📧 إذا كنت قد استخدمت A.I.G في بحثك أو منتجك، أو إذا فاتنا ذكر منشورك عن غير قصد، فسنكون سعداء بالتواصل معك! تواصل معنا هنا.

⚖️ الترخيص والإسناد

هذا المشروع مفتوح المصدر بموجب رخصة Apache 2.0. نرحّب بحرارة بمساهمات المجتمع وعمليات الدمج والأعمال المشتقة ونشجّعها، وذلك بشرط الالتزام بمتطلبات الإسناد التالية:

  1. الاحتفاظ بالإشعارات: يجب عليك الاحتفاظ بملفّي LICENSE وNOTICE من المشروع الأصلي في أي توزيع.

  2. إسناد المنتج: إذا قمت بدمج الكود الأساسي أو المكوّنات أو محرك الفحص الخاص بـ AI-Infra-Guard في مشروعك مفتوح المصدر أو منتجك التجاري أو منصتك الداخلية، فيجب عليك ذكر ما يلي بوضوح في وثائق المنتج أو دليل الاستخدام أو صفحة "حول" في واجهة المستخدم:

    "يدمج هذا المشروع AI-Infra-Guard، وهو مشروع مفتوح المصدر من Tencent Zhuque Lab."

  3. الاستشهاد الأكاديمي والمقالي: إذا كنت تستخدم هذه الأداة في تقارير تحليل الثغرات أو المقالات البحثية الأمنية أو الأوراق الأكاديمية، فيرجى ذكر "Tencent Zhuque Lab AI-Infra-Guard" صراحةً وإدراج رابط إلى المستودع.

يُمنع منعًا باتًا إعادة تغليف هذا المشروع كمنتج أصلي دون الإفصاح عن مصدره.

الفئات