(no input provided)```
$ 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

### 認証環境変数

- `HF_TOKEN`: プライベートな Hugging Face リポジトリ用
- `AWS_ACCESS_KEY_ID` / `AWS_SECRET_ACCESS_KEY` (および任意の `AWS_SESSION_TOKEN`): S3 用
- `GOOGLE_APPLICATION_CREDENTIALS`: GCS 用
- `MLFLOW_TRACKING_URI`: MLflow レジストリへのアクセス用
- `MODELAUDIT_MLFLOW_ALLOWED_ARTIFACT_URIS`: 非ローカルの MLflow アーティファクトルート用（カンマ区切りの URI プレフィックス）
- `s3://bucket/prefix` のような具体的なバックエンドルートを使用してください。論理的な `models:/` や `runs:/` URI、およびパーセントエンコードされたリモートパスは拒否されます。
- `JFROG_API_TOKEN` または `JFROG_ACCESS_TOKEN`: JFrog Artifactory 用
- `MODELAUDIT_JFROG_ALLOWED_HOSTS`: 認証情報を受け取ることができるカスタム JFrog ホスト名のカンマ区切りリスト
- `MODELAUDIT_JFROG_ALLOWED_REDIRECT_HOSTS`: 認証情報なしでダウンロードできる外部リダイレクトホスト名のカンマ区切りリスト
- 認証情報は環境変数またはシークレットマネージャーに保存し、トークン/キーをコミットしないでください。

## インストール```bash
# Broad scanner coverage (recommended; excludes the TensorFlow runtime and platform-specific TensorRT)
pip install "modelaudit[all]"

# Core only (static scanners, pickle, NumPy, archives, manifests, metadata)
pip install modelaudit

# Specific frameworks (TensorFlow installs on Python 3.11-3.12; ONNX installs on Python 3.10-3.12)
pip install "modelaudit[tensorflow,pytorch,h5,onnx,safetensors]"

# CI/CD environments
pip install "modelaudit[all-ci]"

# On Python 3.11-3.12, add TensorFlow only when you need runtime-dependent checkpoint or weight analysis
pip install "modelaudit[all,tensorflow]"

# Docker
docker run --rm -v "$(pwd)":/app ghcr.io/promptfoo/modelaudit:latest model.pkl

一般的なスキャンオプション:```text
--format {text,json,sarif}   Output format (default: auto-detected)
--output FILE                Write results to file
--strict                     Fail on warnings, scan all file types, strict license validation
--sbom FILE                  Generate CycloneDX SBOM
--stream                     Process files one-by-one; remote downloads are deleted after scanning
--assume-shard-family        Treat explicitly listed cross-directory shards as one model family
--max-size SIZE              Size limit (e.g., 10GB)
--timeout SECONDS            Override scan timeout
--dry-run                    Preview what would be scanned
--verbose / --quiet          Control output detail
--blacklist PATTERN          Additional patterns to flag
--no-cache                   Disable result caching
--cache-dir DIR              Set cache directory for downloads and scan results
--progress                   Force progress display
--scanners LIST              Only run selected scanners (IDs/classes; comma-separated or repeated)
--exclude-scanner NAME       Exclude a scanner from the active set (comma-separated or repeated)
--list-scanners              List scanner IDs, class names, extensions, and dependencies

`--scanners` は明示的な許可リストから開始します。`--exclude-scanner` はその許可リストまたはデフォルトのスキャナーセットからスキャナーを差し引きます。スキャナーの選択は、`scanner_selection` の下の JSON 出力に反映されます。

リモートフォルダの場合、ModelAudit は安全な場合に選択されたスキャナーの拡張子に基づいてダウンロードを絞り込みます。コンテンツベースの renamed-wrapper ルーティングは取得後に適用されます。リポジトリのファイル名が意図的に紛らわしい可能性がある場合は、直接ファイル URL をスキャンしてください。

## メタデータ抽出```bash
# Human-readable summary (safe default: no model deserialization)
modelaudit metadata model.safetensors

# Machine-readable output
modelaudit metadata ./models --format json --output metadata.json

# Focus only on security-relevant metadata fields
modelaudit metadata model.onnx --security-only

編集可能／開発インストール時にオプトインするには：```bash
export MODELAUDIT_TELEMETRY_DEV=1

## トラブルシューティング

- `modelaudit doctor --show-failed` を実行すると、利用できないスキャナーと不足しているオプション依存関係を一覧表示できます。
- `modelaudit debug --json` を実行すると、バグ報告用の環境・設定診断情報を収集できます。
- `modelaudit cache cleanup --max-age 30` を使用すると、古いキャッシュエントリを安全に削除できます。
- `pip` が古いリリースをインストールする場合は、Python がサポートされているか確認してください（`python --version`。ModelAudit は Python 3.10〜3.13 をサポートしています）。
- 追加のトラブルシューティングとクラウド認証のガイダンスについては、以下を参照してください：
  - https://www.promptfoo.dev/docs/model-audit/
  - https://www.promptfoo.dev/docs/model-audit/usage/

## ドキュメント

- **[完全なドキュメント](https://www.promptfoo.dev/docs/model-audit/)** — セットアップ、設定、高度な使用方法
- **[使用例](https://www.promptfoo.dev/docs/model-audit/usage/)** — CI/CD 統合、リモートスキャン、SBOM 生成
- **[対応フォーマット](https://www.promptfoo.dev/docs/model-audit/scanners/)** — スキャナーの詳細ドキュメント
- **[サポートポリシー](https://github.com/promptfoo/modelaudit/blob/main/SUPPORT.md)** — サポート対象の Python/OS バージョンとメンテナンスポリシー
- **[セキュリティモデルと制限事項](https://github.com/promptfoo/modelaudit/blob/main/docs/user/security-model.md)** — ModelAudit が保証することと保証しないこと
- **[互換性マトリクス](https://github.com/promptfoo/modelaudit/blob/main/docs/user/compatibility-matrix.md)** — ファイル形式とオプション依存関係の対応
- **[スキャナー選択](https://github.com/promptfoo/modelaudit/blob/main/docs/user/scanner-selection.md)** — 対象を絞ったスキャナーの許可リストと除外設定
- **[メタデータ抽出ガイド](https://github.com/promptfoo/modelaudit/blob/main/docs/user/metadata-extraction.md)** — 安全なメタデータワークフローと `--trust-loaders` のガイダンス
- **[オフライン/エアギャップガイド](https://github.com/promptfoo/modelaudit/blob/main/docs/user/offline-air-gapped.md)** — インターネット接続なしでの安全な運用
- **トラブルシューティング** — `modelaudit doctor --show-failed` を実行してスキャナーの利用可能性を確認

## 関連パッケージ

- **[`modelaudit-picklescan`](https://pypi.org/project/modelaudit-picklescan/)** — ModelAudit の pickle、PyTorch、ExecuTorch、PyTorch-ZIP スキャナーが使用する、Rust ベースのスタンドアロン pickle スキャナーです。pickle 解析のみが必要で（CLI ではなくライブラリとして）、完全なスキャナーバンドルが不要な場合は、これを直接インストールしてください。

## 脆弱性の報告

疑わしい脆弱性について公開の Issue を開かないでください。協調的な開示については [SECURITY.md](https://github.com/promptfoo/modelaudit/blob/main/SECURITY.md) を参照してください。

## コントリビューション

Issue、機能リクエスト、PR は歓迎します。[CONTRIBUTING.md](https://github.com/promptfoo/modelaudit/blob/main/CONTRIBUTING.md) を参照してください。

## ライセンス

MIT ライセンス — 詳細は [LICENSE](https://github.com/promptfoo/modelaudit/blob/main/LICENSE) を参照してください。