ماسح أمني لملفات نماذج الذكاء الاصطناعي/التعلم الآلي. يكتشف الشيفرات الخبيثة، والأبواب الخلفية، والثغرات قبل النشر.
أمّن نماذج الذكاء الاصطناعي الخاصة بك قبل النشر. ماسح ثابت يكشف الشيفرة الخبيثة ومؤشرات الأبواب الخلفية المحتملة والثغرات الأمنية في ملفات نماذج تعلّم الآلة — دون تحميلها أو تنفيذها على الإطلاق.
التوثيق الكامل | أمثلة الاستخدام | الصيغ المدعومة
تُنزَّل النماذج من سجلات غير موثوقة، وتمر عبر CI، وتنتهي بالتشغيل في بيئة الإنتاج. لا تفحص أدوات SAST التقليدية تعليمات pickle البرمجية (opcodes)، أو تخطيطات مجموعات HDF5، أو مخططات ONNX proto، أو توقيعات TensorFlow SavedModel — بينما يفعل ModelAudit ذلك:
أدوات مماثلة: picklescan (pickle فقط، قائم على Python)، fickling (pickle فقط، قائم على AST)، modelscan (مجموعة فرعية من pickle + TensorFlow + Keras). يمتاز ModelAudit بتغطية أوسع ويوفّر محرك pickle أصليًا بلغة Rust عبر حزمته المرافقة modelaudit-picklescan.
يتطلب Python 3.10-3.14
pip install "modelaudit[all]"
# Scan a file or directory
modelaudit model.pkl
modelaudit ./models/
# Export results for CI/CD
modelaudit model.pkl --format json --output results.json
$ modelaudit suspicious_model.pkl
Files scanned: 1 | Issues found: 2 critical, 1 warning
1. suspicious_model.pkl (pos 28): [CRITICAL] Malicious code execution attempt
Why: Contains os.system() call that could run arbitrary commands
2. suspicious_model.pkl (pos 52): [WARNING] Dangerous pickle deserialization
Why: Could execute code when the model loads
يمكن أن تتضمن أدلة الفحص وأخطاء المصدر قيم بيانات اعتماد أصلية، بما في ذلك في JSON وSARIF وSBOM والتقارير المشتركة. تظل تسوية بيانات الاعتماد حيث تؤثر على الاكتشاف أو التجميع أو الكبت.
يتضمن ModelAudit 45 ماسحًا مسجلًا تغطي تنسيقات النماذج والأرشيفات والتكوينات: