📖 ドキュメント  |  🌐 🇬🇧 English · 🇨🇳 中文 · 🇯🇵 日本語 · 🇪🇸 Español · 🇩🇪 Deutsch · 🇫🇷 Français · 🇰🇷 한국어 · 🇧🇷 Português · 🇷🇺 Русский

Tencent Zhuque Lab による AI レッドチーミングプラットフォーム

A.I.G (AI-Infra-Guard) は、ClawScan（OpenClawセキュリティスキャン）、Agent Scan、AIインフラ脆弱性スキャン、MCPサーバー＆エージェントスキルスキャン、ジェイルブレイク評価などの機能を統合し、AIセキュリティリスクの自己診断において最も包括的でインテリジェント、かつ使いやすいソリューションをユーザーに提供することを目指しています。

私たちはA.I.G（AI-Infra-Guard）を業界をリードするAIレッドチーミングプラットフォームにすることに尽力しています。より多くのスターは、このプロジェクトをより広いユーザーに届け、より多くの開発者の貢献を促し、イテレーションと改善を加速させます。あなたのスターは私たちにとって非常に重要です！

📋 ユーザーフィードバックアンケート

A.I.Gの改善にご協力ください！3〜5分でユーザーフィードバックアンケートにご回答いただけると幸いです。高品質なフィードバックを提供し、有効なメールアドレスを残してくださった方には、Tencent特製記念品をお贈りします。

🚀 最新情報

• 2026-07-24 · v4.5.0 — AIセキュリティスキル市場公開（公式Skill 3種）；フロントエンド全面オープンソース化；Skillスキャンエンジン強化（9種リスク検出、SkillTrustBench最高0.9848）；Skill/MCP/Agentスキャン独立CLI化；脆弱性ライブラリ130コンポーネント・1888ルールに拡大
• 2026-06-25 · v4.1.15 — MCP スキャンにツールポイズニング・診情窃取・コマンドインジェクションの3件の脆弱性検知ルールを追加；llama.cpp CVEルール6件追加；model.tokenの省略対応（システムデフォルトモデルにフォールバック）。
• 2026-06-18 · v4.1.14 — Prompt Security：9 種の新規シングルターン警戒オペレーター追加；包括的な Agent レッドチーム評価に対応する新規 aig-agent-redteam skill を追加。
• 2026-06-11 · v4.1.13 — バージョンチェック API エンドポイントを新規追加；セキュリティスコアリングを絶対減点モデルに切り替え、リスク評価をより明確に。
• 2026-06-08 · v4.1.12 — フィンガープリントライブラリ拡充：AI Web フィンガープリント 39 件新規追加、既存 18 件を強化。

👉 過去のリリース · 🛒 AIセキュリティスキル市場 · 🔍 skill-scan CLI · 🔍 mcp-scan CLI · 🔍 agent-scan CLI · 📊 SkillTrustBench

目次

• クイックスタート
• 機能一覧
• スクリーンショット
• ユーザーガイド
• APIドキュメント
• 🏗️ アーキテクチャの変遷
• コントリビューションガイド
• 🛡️ チームについて
• 謝辞
• コミュニティに参加
• 引用
• 📚 論文
• ライセンスと帰属表示
  
  

クイックスタート

🐳 Dockerによるデプロイ

# この方法はDocker Hubからビルド済みイメージを取得するため、より高速に起動できます
git clone https://github.com/Tencent/AI-Infra-Guard.git
cd AI-Infra-Guard
# Docker Compose V2以降では、'docker-compose' を 'docker compose' に置き換えてください
docker-compose -f docker-compose.images.yml up -d

サービスが起動したら、以下のURLでA.I.GのWebインターフェースにアクセスできます： http://localhost:8088

OpenClawからの使用

aig-scannerスキルを使用して、OpenClawチャットからA.I.Gを直接呼び出すこともできます。

clawhub install aig-scanner

その後、AIG_BASE_URLを実行中のA.I.Gサービスを指すように設定してください。

詳細については、aig-scanner READMEを参照してください。

# この方法はDockerを自動的にインストールし、1コマンドでA.I.Gを起動します
curl https://raw.githubusercontent.com/Tencent/AI-Infra-Guard/refs/heads/main/docker.sh | bash

git clone https://github.com/Tencent/AI-Infra-Guard.git
cd AI-Infra-Guard
# この方法はローカルソースコードからDockerイメージをビルドしてサービスを開始します
# （Docker Compose V2以降では、'docker-compose' を 'docker compose' に置き換えてください）
docker-compose up -d

⚡ aig-skill-scan をワンコマンドでインストール

Agent Skillセキュリティ監査ツール。企業のCI/CDパイプラインに簡単に統合可能。脆弱性分類はSkillTrustBench T01–T09分類法に準拠。詳細 →

pip install aig-skill-scan

# 環境変数でAPIキーを設定
export LLM_API_KEY="your-api-key"

# ローカルのSkillプロジェクトディレクトリをスキャン
aig-skill-scan --repo /path/to/your/skill \
           -m deepseek-v4-flash \
           --language en \
           -o result.json

🌟 オンラインPro版を試す

高度な機能と改善されたパフォーマンスを備えたPro版をお試しください。Pro版には招待コードが必要で、Issue、Pull Request、Discussionを提出した方、またはコミュニティの成長に積極的に貢献された方が優先されます。アクセス: https://aigsec.ai/

機能一覧

🔍 aig-skill-scan パフォーマンスとカバレッジ

SkillTrustBench での各LLMの性能：

9カテゴリのSkillセキュリティリスクをカバー（SkillTrustBench T01–T09）：

完全なリーダーボードと詳細は SkillTrustBench をご覧ください。

🔬 セキュリティスキャン＆評価

スクリーンショット

A.I.G メインインターフェース

プラグイン管理

🗺️ クイック使用ガイド

デプロイ完了後、ブラウザで http://localhost:8088 を開いてください。

AIインフラ脆弱性スキャン

ターゲットURL / IPに何を入力するか？

ターゲットは、スキャンしたい実行中のAIサービスのネットワークアドレスです（GitHubのURLやソースコードパスではありません）。A.I.Gはそのアドレスに接続してAIフレームワークのコンポーネントとバージョンを識別し、既知のCVE脆弱性と照合します。

ステップバイステップ：ローカルvLLMのスキャン

1. 通常通りvLLMを起動（例：python -m vllm.entrypoints.api_server --model ...）
2. A.I.G UIで「AIインフラ脆弱性スキャン」をクリック
3. ターゲット欄に http://127.0.0.1:8000（vLLMが実際にリッスンしているIP/ポート）を入力
4. 「スキャン開始」をクリック — A.I.Gがコンポーネントバージョンを自動識別し、1900以上の既知CVEと照合
5. レポートを確認：コンポーネントバージョン、検出脆弱性、深刻度、および修復リンク

💡 ヒント：vLLMのnightlyビルドをスキャンする場合は、そのnightlyビルドを起動してアドレスを入力するだけです。スキャナーがバージョンを自動検出します。

MCP Server & Agent Skills スキャン

ターゲット欄にリモートURL（例：https://github.com/user/mcp-server）を入力するか、ローカルソースアーカイブをアップロードしてください。実行中のインスタンスは不要です。

ジェイルブレイク評価

「設定 → モデル設定」でターゲットLLMのAPIエンドポイント（ベースURL＋APIキー）を設定し、データセットを選択して評価を開始してください。

ユーザーガイド

オンラインドキュメントをご覧ください: https://tencent.github.io/AI-Infra-Guard/

より詳細なFAQやトラブルシューティングガイドについては、ドキュメントをご覧ください。

APIドキュメント

A.I.Gは、AIインフラスキャン、MCPサーバースキャン、ジェイルブレイク評価をサポートする包括的なタスク作成APIセットを提供しています。

プロジェクト起動後、http://localhost:8088/docs/index.html にアクセスして完全なAPIドキュメントを閲覧できます。

詳細なAPIの使用方法、パラメータの説明、完全なサンプルコードについては、完全なAPIドキュメントを参照してください。

コントリビューションガイド

拡張可能なプラグインフレームワークはA.I.Gのアーキテクチャの基盤であり、プラグインと機能の貢献を通じてコミュニティのイノベーションを促進します。

プラグインコントリビューションルール

1. フィンガープリントルール: data/fingerprints/ディレクトリに新しいYAMLフィンガープリントファイルを追加してください。
2. 脆弱性ルール: data/vuln/ディレクトリに新しい脆弱性スキャンルールを追加してください。
3. MCPプラグイン: data/mcp/ディレクトリに新しいMCPセキュリティスキャンルールを追加してください。
4. ジェイルブレイク評価データセット: data/evalディレクトリに新しいジェイルブレイク評価データセットを追加してください。

既存のルール形式を参考にして新しいファイルを作成し、Pull Requestで提出してください。

その他の貢献方法

• バグを報告する
• 新機能を提案する
• ドキュメントを改善する
  

🛡️ チームについて

本プロジェクトは、テンセント セキュリティ プラットフォーム部門に所属する Tencent Zhuque Lab（朱雀実験室） が主導して開発しています。Tencent Zhuque Lab は 2019 年に設立されたトップクラスのセキュリティ研究所で、AI セキュリティ分野における実戦的な攻防研究と最先端技術研究に注力しており、研究領域は大規模言語モデル セキュリティ、AI エージェント セキュリティ、AI を活用したセキュリティ、AI 生成コンテンツ検出など多岐にわたります。

当チームはこれまで NVIDIA、Google、Microsoft などの大手ベンダーや、OpenClaw、Linux、Hugging Face などのオープンソース コミュニティに対し、多数の重大な脆弱性の修正に協力し、公式から公開謝辞を受けています。

オープンソースの AI レッドチーム セキュリティ テスト プラットフォーム A.I.G（AI-Infra-Guard） や 朱雀 AI 検出アシスタント などの AI セキュリティ製品をリリースしてきました。研究成果は Black Hat、DEF CON、ICLR、CVPR、NeurIPS、ACL など、国際トップクラスのセキュリティおよび AI 学術会議で広く発表され、書籍『AI セキュリティ：技術と実践』を出版しています。

👥 コア メンバーと貢献

謝辞

学術連携

学術パートナーの皆様による研究貢献と技術サポートに感謝いたします。

貢献開発者への感謝

A.I.G プロジェクトに貢献してくださったすべての開発者の皆様に感謝いたします。

ユーザーの皆様への感謝

以下の企業・チームのユーザーの皆様に、A.I.Gのご利用と貴重なフィードバックに感謝いたします。

コミュニティに参加

オンラインディスカッション

• GitHub Discussions: コミュニティディスカッションに参加
• Issue＆バグ報告: Issueの報告または機能の提案

ディスカッションコミュニティ

WeChatグループ	Discord [リンク]

お問い合わせ

コラボレーションのお問い合わせやフィードバックについては、以下までご連絡ください: [email protected]

おすすめセキュリティツール

コードセキュリティに興味がある方は、Tencent Wukong Code Security Teamがオープンソース化した業界初のリポジトリレベルAI生成コードセキュリティ評価フレームワーク A.S.E (AICGSecEval) をご覧ください。

引用

研究でA.I.Gを使用する場合は、以下を引用してください：

@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}
}

📚 論文

1. "Securing the AI Agent: A Unified Framework for Multi-Layer Agent Red Teaming" — AI エージェントシステムのセキュリティを破る多層レッドチーミングの総合フレームワーク。インフラ、サプライチェーン、ランタイムインタラクション、デプロイメント面をカバー。[arXiv] [pdf]

2. "AI-Infra-Guard: An AI Red Teaming Platform" — Black Hat Europe 2025 Arsenal でのプレゼンテーション。A.I.G の全体的な機能と実例を紹介。[pdf]

3. "MCP Unchained: Compromising The AI Agent Ecosystem Via Its Universal Connector" — Black Hat Europe 2025 講演。AI エージェント エコシステムにおける MCP プロトコルのセキュリティ リスクを明らかにする研究。[pdf]

学術研究で A.I.G を引用してくださった研究チームに感謝いたします（19本）：

A.I.Gを研究や製品にご使用いただいた方、または掲載漏れがございましたら、ぜひお知らせください！こちらからご連絡ください。

ライセンスと帰属表示

本プロジェクトは Apache License 2.0 に基づきオープンソース化されています。コミュニティからの貢献、統合、および派生作品を歓迎しますが、以下の帰属表示要件に従う必要があります：

1. 通知の保持: 配布物には、元のプロジェクトのLICENSEおよびNOTICEファイルを保持する必要があります。
2. 製品への帰属表示: AI-Infra-Guardのコアコード、コンポーネント、またはスキャンエンジンをオープンソースプロジェクト、商用製品、または社内プラットフォームに統合する場合、製品ドキュメント、使用ガイド、またはUIの「About」ページに以下を明記する必要があります：

   「本プロジェクトはTencent Zhuque Labによりオープンソース化されたAI-Infra-Guardを統合しています。」

3. 学術・記事での引用: 脆弱性分析レポート、セキュリティ研究記事、または学術論文でこのツールを使用する場合、「Tencent Zhuque Lab AI-Infra-Guard」を明示的に言及し、リポジトリへのリンクを含めてください。

出所を開示せずに本プロジェクトをオリジナル製品として再パッケージすることは固く禁じられています。